Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Agent safety · Papers
Found 5 papersProposes PASAC and a five-layer boundary guarantee stack, turning agent evaluation overstepping into verifiable whole-system guarantees.
- Published
提出 Tracekit，审计编码 Agent 的意图、推理与动作并检测账本篡改
- Published
- Evaluated models
- Claude Code (claude -p, version 2.1), 独立评审（同一 CLI，无工具）
AbstractTracekit 把意图、自述和动作写入可锚定的哈希链。
Tracekit 是无第三方依赖的编码智能体审计层：把人类请求、模型自述和已执行动作并排写入可外部锚定的哈希链，执行前用正则门，事后用规则和独立模型互查。
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 ClawSentry 多层监控网关，在技能准入和运行时拦截恶意技能与隐藏指令
- Published
- Evaluated models
- Codex/GPT-5.4, Codex/GPT-5.5, Claude Code/GLM-5.1 and others6
AbstractClawSentry 用包准入、三级运行时门控和反绕过，压低 skill 攻击并保住干净任务。
ClawSentry 是挂在智能体运行时之外的安全监督网关，用来同时盖住 skill 执行的多个生命周期边界，并把已被拒绝的效果记到会话里。
提出 Aura，用可信内核中介移动 Agent 的身份、感知与动作控制
- Published
- Evaluated models
- Gemini-3-Flash
AbstractAura mediates structured interactions via the Agent Kernel.
Aura uses kernel-mediated structured agent interaction, replacing screen-interface mobile assistants..
You have reached the end