Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Agent safety · Papers
Found 2 papers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 Janus 前瞻守卫,在长程智能体执行有害动作前拦截潜在风险
- Published
- Evaluated models
- Vanguard
You have reached the end