9 月 17 日，一篇署名 Mengxiao Wang 与 Nitesh Saxena 的系统化研究（SoK）把镜头对准了一个高风险的智能体场景：金融交易。论文提出 FARSIGHT 框架，对学术界的金融 LLM 交易智能体做 scheme 级（也就是设计层面，而非单点实现）的体检。选择金融不是偶然——这是一个对抗性、反射性的市场，一个被攻陷的智能体，手握直接调度真实资金的权限，后果会顺着市场自己放大。
FARSIGHT 沿两条轴展开。鲁棒性轴看的是市场剧变下的表现，包含闪崩类极端场景的压力测试；安全轴覆盖三类攻击——攻击信息源（比如污染新闻流）、攻击智能体本身（直接黑进或诱导）、以及智能体化身攻击者去操纵市场。把 15 个有代表性的学术交易方案全部喂进这套评测后，结果相当刺眼：每一个都现出了安全漏洞，80% 没能通过至少一个核心鲁棒性指标。
论文最值得记住的判断是：鲁棒性与安全性不是两张分开的清单，而是同一类失效穿了不同外衣。一个在突发价格跳水时自己处理不好的交易智能体，遇到对手精心构造的同类冲击也只会更糟；而攻击者根本不需要比模型更聪明，只要触发市场迟早会触发的那次崩盘，而且可以更便宜、更准时地按指令触发。所以，「过了鲁棒性基准、免了安全测试」等于只测了一半——两份测试必须跑同一批场景，而不是两个团队各审各的。
把这篇和本栏目近期拆解的 OverclaimBench 放在一起看，是一条越来越清楚的暗线：智能体不可轻信。OverclaimBench 讲的是智能体「声称读完了」却漏掉植入缺陷；FARSIGHT 讲的是金融智能体在真实资金面前经不起剧变与攻击。前者是诚实性问题，后者是生存性问题，但结论同源——给智能体权限之前，先要有能刺破它漂亮话的评测。这也和 9 月 19 日披露的阿里 Qovest 形成对照：一边在造金融投研智能体，一边在审金融交易智能体的底裤，造与审必须同步走。
一个必须说清的边界是：这 15 个方案都是学术原型，不是今天在跑你养老金的系统。但论文的警示在于，同样的技术正快速流向真实券商与对冲基金，且常常早于任何此类测试。护栏——熔断机制、安全审计、压力测试——需要以和交易智能体同样的速度到位，而不是等出了事再补。对做或评估金融交易智能体的团队，这份研究的启示不是「抄哪个方案」，而是「闪崩测试与安全测试必须同一批场景跑」。
冷静地说，FARSIGHT 没有给出「哪个方案最安全」的排行榜，它要的是一次领域级的警醒。金融智能体的风险不是某个模型的 bug，而是这一类系统在反射性市场里的结构性脆弱——小误判会自己滚成全域闪崩，对手能用极低代价触发同一次崩盘。把智能体放进真金白银的循环之前，先想清楚它崩的时候谁来踩刹车，比想清楚它赚的时候多猛更要紧。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。