详细解答
简要回答：默认执行的问题在于机器行动会先进入现实世界，治理只能事后追赶；LERA 要把治理提前到执行之前。
核心说明
默认执行是危险的，因为除非有人注意到问题并进行干预，否则它将机器生成的行动视为允许。
这种结构可能看起来高效，但随着 AI 系统变得更快、更自主、更复杂、与现实世界系统的连接更深入，它变得越来越脆弱。
默认执行架构通常如下所示：
AI 输出→执行
人类介入仅作为例外添加。
这会产生多种风险。
首先，人类注意力成为最终的安全机制。但人类无法持续监控每个 Agent、工作流、API 调用、事务或机器操作。
其次，机器速度可以超过人类的响应时间。当一个人认识到问题时，该行为可能已经是不可逆转的。
三是责任不清。当默认发生自动操作时，没有人可能主动判断、授权或承担责任。
第四，错误可以级联。一个不正确的操作可能会触发另一个系统、另一个工作流或另一个 Agent。
第五，系统可以使日益重要的自动化标准化。最初无害的援助可能会逐渐变成隐藏的执行权力。
LERA 反转了这种逻辑，以采取后果严重的行动。
机器能力的存在不被视为许可。
一个拟执行行动必须满足判断、权限、责任、规则和执行控制的相关条件才能继续。
这并不意味着所有低风险行动都必须停止。
这意味着系统必须区分日常执行和其后果需要加强治理的行动。
例如，可以允许 AI Agent 自动保存草稿。但发送法律通知、转移资金、更改客户合同或操作安全关键设备不应仅仅因为 Agent 采取了行动而发生。
默认执行的危险不只是 AI 可能出错。
架构在判断发生之前为机器输出提供了一条通电路径。