Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Agent safety · Papers
Found 4 papers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
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
You have reached the end