Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Agent safety · Papers
Found 7 papers提出检索可采纳性核验框架,评测记忆智能体的记录资格与披露
- Published
- Evaluated models
- DeepSeek V4 Pro, Gemini 3.6 Flash, GPT-5.6 Luna and others7
Abstract作者用三值可采纳性和匹配召回界审计长时记忆检索,并分开报告支持、资格与披露。
这是一套长时记忆检索的可采纳性核验协议,用来分开检查候选支持、资格、提示词暴露和答案披露,而不是提出新的检索算法。。
提出 AgentPrivArena 与运行时审计,评测 Agent 轨迹级隐私泄露
- Published
- Evaluated models
- GPT-5.4, DeepSeek-V4-Pro, Kimi-K2.6 and others6
提出 AgentMonBench 评测长时程编程智能体监控并检验 EBG
- Published
- Evaluated models
- GPT-5.6 Luna, GPT-5.6 Terra, GPT-5.6 Sol and others8
AbstractAgentMonBench 评测后果性决策监控,EBG 组织证据。
长时程软件工程任务里,用户要判断智能体哪些选择值得核验。作者用 AgentMonBench 评测监控器,并用免训练的 EBG 组织带源证据。
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 FARSIGHT 方案级评测金融 LLM 交易 Agent 的稳健性与安全失败
- Published
- Evaluated models
- ChatGPT Deep Research
评测 Agent 记忆系统的软撤回执行情况,并提出陈旧检索防护
- Published
- Evaluated models
- GPT-5.5, Grok-4, DeepSeek-V4-Flash and others9
Abstract系统揭示了记忆系统软撤回在检索时普遍未执行的安全漏洞,证明写回会击穿现有防御,并提出读取端防护作为必要控制手段。
构建自演化基准 ActBench,评测协作智能体的行为安全
- Published
- Evaluated models
- Claude-Opus-4.8, Claude-Sonnet-4.6, GPT-5.5 and others15
AbstractActBench 通过自演化搜索与双证据重构评测轨迹行为安全,揭示基础模型决策差异主导了协同智能体的操作风险。
You have reached the end