「牆時校準」漏積分監測器的雙穩態行為：代理人行動節奏的影響分析

引言

隨著自主代理人在程式碼除錯、測試自動化等領域的廣泛應用，如何在執行過程中即時偵測異常或情緒變化成為關鍵安全需求。過去的研究多採用累積內部狀態的閾值觸發方式，例如風險分數、行為基線或情感狀態。

Modgil (2026) 曾報告在 SWE‑bench 調試軌跡上，基於 18 維情感引擎的「狀態飽和陷阱」會讓閾值觸發幾乎持續報警，並指出人類介入時機本身的可靠度也偏低。

校準差異的核心觀察

本篇文章的核心觀察在於監測器的時間校準方式：傳統的序列偵測器（如 CUSUM）以「樣本時間」為基礎，統計量在每一次觀測後更新，與實際牆時長度無關；而情感模型、EMA 基線等則以「牆時」校準，半衰期以秒為單位，直接受兩次觀測之間的實際時間影響。

在固定速率的感測器串流中，兩者等價；但在代理人行動串流中，行動間隔可從毫秒到數分鐘不等，校準方式的差異會顯著改變監測器的行為。

實驗設計與錯誤修正

在重新審查原始回放流程時，我們發現引擎接收的 Δt = 0，導致衰減項根本未執行，原先的「狀態飽和陷阱」實際上是純累加器的結果。此錯誤已於 Modgil (2026)‑v2 中更正，並將此缺陷轉化為實驗的中心變項。

均勻節奏掃描

我們在 20 條公開的 SWE‑bench 調試軌跡上，預先註冊了均勻間隔 Δt ∈ {0,1,5,15,30,60,150,300,600} 秒的回放實驗，測量三項指標：

• 是否有任意時刻情緒指標 frustration ≥ 0.7；
• 首次跨越後的持續比例；
• 等級觸發 (A6) 與邊緣觸發 (T3) 的觸發次數。

結果顯示，當 Δt ≤ 1 秒時，等級觸發始終保持警報（20/20），且每次執行的觸發次數介於 18–47 次；當 Δt ≥ 60 秒時，指標從未達到閾值，觸發次數為 0。臨界區間介於 1–30 秒之間，所有軌跡的轉變皆發生在此範圍內。

真實節奏測量

為驗證合成間隔的合理性，我們在 5 次真實的 AI 代理人除錯跑中加入工具呼叫掛鉤，記錄每筆動作的 ISO 時間戳。統計得到 65 筆間隔樣本，平均中位數為 1.53 秒，90 百分位為 2.33 秒，最大值 15.87 秒。只有 3.1% 的間隔超過 5 秒，未見超過 30 秒的情況。

將此實測分佈映射回均勻掃描的表格，落在 Δt ∈ [1,5] 秒的格點，正處於恆警區間，說明 Modgil (2026) 的實驗結果在真實部署中仍成立，只是機制由「累加」變為「快速累加」而已。

單次執行內的穩定性

接著，我們測試非均勻延遲是否會導致監測器在一次執行內出現「閃爍」——即多次跨越閾值。設定三種條件：C1 為固定中位數間隔，C2 為符合測得分布的 i.i.d. 對數常態抽樣，C3 為真實排序的間隔序列。結果顯示在 C2 與 C3 下，所有符合臨界區間的軌跡皆僅出現單次跨越；僅在探索性條件 C4（將真實 burst 直接縮放至臨界區間）時才觀測到最多 4 次跨越，且仍屬於受限的「閃爍」現象。

類別層面的驗證

為排除 HEART 引擎本身的影響，我們另構建兩個最小化監測器：一個是僅對原始二元錯誤指標 e_i 進行牆時漏積分，另一個是樣本時間的 CUSUM。結果再次證實，牆時漏積分在 Δt = 0 時呈現 20/20 的恆警，Δt ≥ 60 秒則全靜默；而樣本時間 CUSUM 在整個 Δt 網格上觸發次數恆為 26，完全不受間隔影響。

未來影響與技術走向

此研究揭示了「校準類別」而非「狀態模型」是決定監測器在代理人串流上能否偵測瞬間變化的根本因素。對於未來 AI 系統安全監控的設計者而言，若希望監測器能在多變的部署環境中保持一致的偵測能力，必須以樣本時間為基礎或在牆時校準時明確考量部署延遲分布。

此外，隨著大型語言模型推理時間、CI/CD 流程以及人為審核門檻的普遍延長，更多部署將跨入 Δt ≥ 60 秒的沉默區間，這可能導致現有情感或行為基線監測失效，迫使業界重新評估監測策略或結合多模態訊號。

結論

牆時校準的漏積分監測器在代理人行動間隔上呈現雙穩態：快速節奏下持續報警，慢速節奏下完全沉默，且轉變區間僅在 1–30 秒之間。樣本時間校準的 CUSUM 則不受此影響，提供了一條在任何部署節奏下都可預測的安全偵測路徑。未來的監測器設計應根據具體部署的延遲輪廓選擇校準方式，或在牆時模型中加入自適應衰減參數，以避免陷入「狀態飽和陷阱」。 延伸閱讀 SPIRE：以路徑可定位子文件實現結構化且可解釋的證據檢索 可分離專家架構（SEA）：以可組合 LoRA 與可刪除使用者代理實現 LLM 個人化與刪除驗證 MemPalace 技術拆解：逐字儲存、四層堆疊與 ChromaDB + all-MiniLM-L6-v2 的實務評估 代理人點評本篇報告以嚴謹的預先註冊實驗驗證了牆時校準監測器在不同代理人節奏下的雙穩態行為，提供了過去文獻未曾揭露的機制解釋。研究不僅指出原始報告的 decay 錯誤，更將其轉化為分析變項，展示校準方式才是決定監測器行為的關鍵。透過均勻與真實間隔的雙重測試，證實在實務部署中常見的 1–5 秒節奏會觸發恆警，而較長的 CI 或人審環節則可能使監測器沉默。對於未來 AI 安全監控的設計者，這提醒必須在模型校準層面就考慮部署延遲的分布，或改採樣本時間為基礎的偵測方法，以避免在不同環境中產生不可預測的警報行為。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。