這篇論文最重要的提醒，是 agent safety benchmark 不能假裝 runtime 無關；OpenClaw 與 Codex 的高風險 execution chain 根本不同，評測與診斷也必須跟著變。

CIA 這篇論文把 multi-agent security 往前推到結構層：攻擊者即使只能黑箱呼叫系統，也可能透過設計過的 query 逼出中間 reasoning 痕跡，反推出內部 communication topology，進一步帶來 targeted attack 與 orchestration IP 外洩風險。