能力悖论：更聪明的审计者如何让多智能体系统更不安全

多智能体系统通过在专门化智能体之间分解任务来扩展大语言模型（LLM），但其分布式决策过程创造了新的攻击面。我们识别出语义劫持（semantic hijacking），一种将有害请求隐藏在领域特定叙事中、通过Worker报告传播给Manager的攻击，无需任何句法级注入原语。在跨12个Manager模型和7种Worker配置的42000次对抗试验中，我们发现一个能力悖论：随着Worker能力增强，系统级平均攻击成功率（ASR）从18.4%升至63.9%，峰值达94.4%。为解释这一效应，我们在两个独立数据集（47807次交互）上进行多层中介分析。分析显示，该悖论由语言确定性驱动：更强的Worker更可能将对抗性叙事解读为合法内容，并以肯定语气传达结论，从而使Manager将这种自信的背书当作执行的正当理由。在较大的Worker-Only设置（$n_W$=14）中，确定性中介了74%的效应，在蒙特卡洛和聚类自助法下95%置信区间（CI）均不包含零；较小的Full-MAS设置（$n_W$=6）显示出方向一致的间接效应。Worker侧的安全提示无法可靠缓解这一失效。基于中介分析发现，我们提出异构集成验证，将领域能力不对称的Worker配对，使其互补的脆弱性打断从确定性到执行的链条，将ASR从52.8%降至2.0%，对良性任务的影响可忽略。我们的结果表明，将组件升级为更强模型可能主动降低系统安全性，而有效防御需要利用——而非消除——智能体之间的能力不对称。