研究测量 LLM Agent 记忆投毒防御的良性场景开销
测量记忆投毒防御在良性对话上的效用与 token 开销
- arXiv
- 2609.22818
- Published
- Layer
- Application layer
- Setting
- AI Agent
- AttacksPoisoning and backdoors
- ComponentMemory
Abstract写时代价落在噪声内。
在没有攻击的对话上，给记忆投毒防御计价，而不是再测一轮攻击是否被挡住。
All papers
Filter3
Impact
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 248papers have no tags yet and are not included in filtered results.
Another 248papers do not have category tags yet and are not included in filtered results.
- OtherarXiv 2609.12413
SoK 综述：智能体 AI 时代的越狱攻击、防御与实践考量
系统梳理智能体执行链路中的越狱攻击与防御并比较推理时防御
- arXiv
- 2609.12413
- Published
- Layer
- Application layer
- Setting
- AI Agent
- Evaluated models
- Qwen3.5-4B, Llama-3.1-8B-Instruct
- AttacksJailbreaks
- ComponentMemory
AbstractSoK 将越狱重放到智能体流水线，并用两种模型检验回复层防御的边际与代价。
Mia 等人把越狱安全从单轮回复扩展到智能体的规划、记忆、工具和智能体间通信，并问既有结论在更强原生对齐下是否还成立。
- OtherarXiv 2609.08832
自进化智能体框架缩小 LLM 智能体的「一致性差距」
提出离线两阶段框架，诊断易翻转步骤并生成记忆指南以稳定智能体
- arXiv
- 2609.08832
- Published
- Layer
- Application layer
- Setting
- AI Agent
- Evaluated models
- GPT-4.1, GPT-OSS-120B
- ComponentMemory
Abstract用离线一致性诊断生成记忆指南，在 AppWorld 上提高重复全通过率。
作者要缩小的是 LLM 智能体平均通过、重复不稳之间的 consistency gap，即 Mean@k 减 Passˆk。
Salesforce AI Research 重测自改进 Agent
重测记忆型自改进 Agent 的运行方差与任务顺序敏感性
- arXiv
- 2608.18066
- Published
- Layer
- Application layer
- Setting
- AI Agent
- Evaluated models
- GPT-5-mini, Gemini-2.5-Pro, GPT-OSS-120B and others4
- ComponentMemory
Abstract论文揭示了基于记忆的自改进智能体在多次运行和乱序下的脆弱性，并指出规约不完备是诱发退化的关键瓶颈。
这篇论文是对基于文本记忆的自我改进智能体在复杂环境中评估可靠性的实证研究。
- AttacksarXiv 2608.01759
EvoBreak 利用自我演化 Agent 的无害经验组合实施攻击
提出 EvoBreak，以良性任务组合诱导自进化 Agent 的持久经验并削弱安全边界
- arXiv
- 2608.01759
- Published
- Layer
- Application layer
- Setting
- AI Agent
- Evaluated models
- GPT-5-mini, Llama-3.1-8B-Instruct
- AttacksPoisoning and backdoors
- TechniqueAutomated search
- ComponentMemory
You have reached the end