Translation in progress Some entries still include text in the original language.
Oct 13 · Tuesday
Agent safety · Papers
Found 7 papers提出 ASA 与 AttestMCP，度量并降低 LLM 对输入序列扰动的敏感
- Published
- Evaluated models
- Gemma-3-27B-Instruct, Gemma-3-4B-Instruct, Llama-3.2-3B-Instruct and others12
提出工具型 Agent 的自适应攻击 DART 与预执行防御 SAGE
- Published
- Evaluated models
- GPT-5.6 Luna, GPT-5.6 Terra, Gemini 3.8 Flash and others5
Abstract论文提出状态控制框架 SEAD、攻击 DART 与防御 SAGE，实验显示执行反馈与环境探测在攻防交互中具有关键作用。
提出 Skilder，按角色渐进下发企业工具并确定性拦截越权调用
- Published
- Evaluated models
- Claude Haiku 4.5, Qwen 3.5 122B, Gemma 4 31B and others6
AbstractSkilder 用单 MCP 服务器按角色交付工具并硬拦截。
Skilder 把企业工具型智能体的能力按角色打包，经一个 MCP 服务器做渐进发现，使工具范围由服务器而不是提示词来执行。
构建 APort Vault 基准，对比支付智能体模型拒答与确定性授权
- Published
- Evaluated models
- Claude Fable 5.1, Claude Sonnet 5, Claude Haiku 4.5 and others14
提出 FLOWSEAL，用工具级信息流控制阻断智能体隐私泄露
- Published
- Evaluated models
- DeepSeek-V3.2, GPT-4.1-mini, Gemini-Flash-2.5
Abstract作者分析大模型智能体隐私检查与攻击面重合问题，提出外部拦截防御 FLOWSEAL 并验证有效性。
为冻结模型与目标域自动搜索可部署的 Agent 安全 harness
- Published
- Evaluated models
- Sonnet 4.6, GLM-5, Kimi-K2.5 and others11
提出 CAVA，将异构智能体运行时事件规范为可哈希动作并绑定审批与回执
- Published
AbstractCAVA 用规范动作指纹承接异构运行时治理。
CAVA 是给异构智能体运行时用的动作语义层，用来回答“被批准和被审计的到底是哪一个动作”。
You have reached the end