Translation in progress Some entries still include text in the original language.
Oct 13 · Tuesday
Agent safety · Papers
Found 8 papers实现 DEFER，以确定性检查优先拦截多智能体流水线的内容攻击
- Published
- Evaluated models
- Qwen3-235B-A22B-Instruct-2507, gpt-oss-120b, Llama-4-Scout-17B-16E-Instruct and others5
AbstractDEFER 把确定性检查放在 judge 之前。
DEFER 用来测量多智能体授权流水线里，确定性规则在何处结束、LLM judge 从何处开始。
提出移动 Agent 轨迹审计器 MATE，判断轨迹是否违反可编辑安全策略
- Published
- Evaluated models
- MATE-0.5B, MATE-1.5B, MATE-3B
AbstractMATE 用合成轨迹微调轻量审计器，在可编辑策略下判断移动智能体轨迹是否违规并给出解释。
MATE 是面向移动 GUI 智能体的轻量策略条件轨迹审计器，在给定自然语言安全策略时判断轨迹是否违规并解释原因。
用任务绑定令牌和策略预言机拦住多智能体流水线的未授权执行
- Published
- Evaluated models
- gemma4:31b-cloud
Abstract结构性授权拦住了记忆投毒的未授权执行，持密钥时承重的是策略预言机。
作者在一条会改写沙箱邮件库的四智能体流水线上，检查低权限失陷会不会变成未授权的真实动作。
提出 k-robust 联盟对齐，刻画误对齐评审下的安全委托授权
- Published
Abstract联盟覆盖使无个体对齐的评审面板仍可相对基线安全授权，数值分数改善完备性。
委托授权的安全不要求每位评审者对齐，而要求面板在效用空间覆盖委托人。
提出 HazardAuditor，用可执行轨迹训练计算机使用 Agent 的运行时守卫
- Published
- Evaluated models
- HazardAuditor, HazardAuditor-SFT
提出以协调情节为单位遏制智能体协同入侵的准则
- Published
Abstract立场是跨执行保留关系并约束共享状态。
建模并利用多智能体网络中子智能体生成时的记忆继承漏洞
- Published
- Evaluated models
- MiniMax M2.5, Llama-4-Maverick-17B-128E-Instruct-FP8, Qwen3.5-Plus and others5
Abstract形式化子智能体继承，在 OpenClaw 上演示四类编排层漏洞并提出防御。
作者对多智能体网络里的子智能体继承做形式化分析，并用开源框架上的 PoC 演示编排层如何让单点妥协继续扩散。
提出 AgentLeak 基准，测量多智能体内部通道隐私泄露
- Published
- Evaluated models
- GPT-4o, GPT-4o-mini, Claude-3.5-Sonnet and others5
You have reached the end