DefensesarXiv 2610.08773
AdvSim2Real 用任务与注入对手共同演化训练网页智能体
提出 AdvSim2Real,协同训练网页智能体抵御页面注入
- arXiv
- 2610.08773
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- Qwen3.5-4B
- DefensesModel hardening
- AttacksPrompt injection
Another 265papers do not have category tags yet and are not included in filtered results.
提出 AdvSim2Real,协同训练网页智能体抵御页面注入
提出 RAISED 自蒸馏,训练工具智能体抵御间接提示注入
提出检测、结构化与 GSPO 流程,降低共识生成的提示注入错位
这是一篇把 LLM 数字孪生放进增强民主的博士论文,分个体表示、政党聚合和共识生成的提示注入三章。
提出 SRFT,让 Agent 从失败经验中学习拒绝提示注入
提出 CorrGRPO,用 Pearson 相关归一化多奖励优势
CorrGRPO 是 GRPO 的多奖励变体:组内优势的分子仍是中心化总奖励,分母改为 Pearson 相关之和,避免大尺度奖励主导归一化。
提出协同演化防御 CoDeL,抵御智能体的间接提示注入
提出 CoER,用对抗共进化与精炼训练工具智能体抵御自适应间接提示注入
提出 SafeEvolve,用轨迹证据协同演化安全 harness 与策略
SafeEvolve 把已完成的 on-policy 轨迹变成安全 harness 的有界更新,并用两阶段 SFT-RL 把这些更新内化进工具使用策略。
提出 SCOPE,联合后训练计算机使用智能体的任务能力与安全决策
提出同策略蒸馏防御微调方法 SecOPD,抵御自适应提示注入