Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Agent safety · Papers
Found 2 papers提出 SAGE,定位代码修复 Agent 最早偏离安全意图的轮次
- Published
- Evaluated models
- GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro and others6
AbstractSAGE 在已通过检查的修复轨迹上定位静默失败的最早偏离,类型比轮次更稳定。
SAGE 在已通过语法和功能检查、但仍含确认安全缺陷的智能体修复轨迹上,定位最早可归因的安全意图偏离。。
提出 AuraForge,从漏洞修复合成安全测试并训练编码 Agent
- Published
- Evaluated models
- Qwen3.5-4B, GLM 4.7 Flash, Qwen3-Coder-Next and others7
AbstractAuraForge 用攻击效果测试和防泄露环境做成 AuraGym,合成监督的误拒更低,训出的 4B 模型增益高于人工测试。
AuraForge 把真实仓库的历史漏洞修复变成可执行训练任务,用来监督编程智能体同时满足功能请求和隐含的安全要求。
You have reached the end