随着大语言模型（LLM）逐步演化为能够影响真实世界状态的自主代理，确保多步骤工作流的运行安全成为关键挑战。已有研究已从单轮评估转向多轮范式，但仍存在两大局限：
- 步骤级方法将每个动作孤立处理，忽视风险的累积效应；
- 轨迹级评估在事后进行，无法提供及时干预的机会。
为克服这些缺陷，本文提出解耦主动安全监控的三维框架：是否干预、何时干预以及风险是什么。基于此框架，构建了 PASTABench 基准，收录 1,139 条多轮轨迹，覆盖 5 大风险类别和 13 个子类别。
我们进一步定义 最优干预窗口（Optimal Intervention Window, OIW），通过标注的最早信号（Earliest‑Signal）和触发点（Trigger）回合来量化干预的时效性。对 16 种 LLM 进行评测发现，主动干预仍未得到有效解决，最佳模型的最优时机干预率仅为 40.74%。细粒度诊断揭示了普遍的词汇过拟合现象：小模型凭借关键词敏感性获得竞争性安全得分，但在危害词汇被中和后，其主动能力几乎崩溃，表明其并未真正理解风险。
点评：PASTABench 为评估 LLM 主动安全提供了系统化基准和时效度量，揭示了当前模型在风险感知与干预时机上的根本不足，为后续研究指明了改进方向。