深度分析 A‑R 行為空間:工具化大型語言模型代理的執行層面與風險分析 隨著大型語言模型被部署為具工具能力的代理,研究提出以行動率與拒絕訊號構成的 A‑R 空間來量化其執行行為。透過四種情境與三種自主度設定的實驗,發現執行與拒絕呈現可分離且隨情境系統變化的分布,反思支架在高風險情境提升拒絕率,提供企業選型新依據。