AI-Agent-Governance

Vu 等（2026, arXiv 2606.20669）提出 Agent Behavior Mining 与「invisible autonomy risk」概念——把流程挖掘引入 AI agent 治理，让 agent 的推理、工具、token 成本转为可观测的过程日志。这是 Coase「企业为什么存在」命题在 AI 时代的当代表述：当企业内部隐性协调成本被 agent 非确定性放大时，企业边界与俱乐部章程都必须被重新界定。开源的信任基础从「代码可见」升级为「行为可见」。

Kurtz & Krawiecka (2026, arXiv 2604.06148) 提出跨企业与地缘边界的 AI 系统机器身份治理分类法（MIGT）——企业环境中机器身份与人类身份的比例超过 80:1，单个未治理 Agent 在 2024 年 CrowdStrike 事件中造成 $5.4–10B 损失。四项原创贡献（AIRT 风险分类 + MIGT 六域框架 + 国家行为体威胁模型 + 跨辖区监管对齐结构），首次把「制度基础设施第五层：Agent 信任基础设施」从命题升级为可操作的治理框架。同时给出 EU/US/中国监管义务不可调和冲突的制度环境实证——「评价体系不可通约性」在监管层的复现。