Another 265papers do not have category tags yet and are not included in filtered results.
用时钟 harness 和预算塑形 GRPO 改善 Agent 的按时返回
作者研究小规模 LLM 智能体在显式 wall-clock 预算下能否按时返回，并把更多时间换成更好的解。
提出 AdvSim2Real，协同训练网页智能体抵御页面注入
提出 RAISED 自蒸馏，训练工具智能体抵御间接提示注入
提出检测、结构化与 GSPO 流程，降低共识生成的提示注入错位
这是一篇把 LLM 数字孪生放进增强民主的博士论文，分个体表示、政党聚合和共识生成的提示注入三章。
提出 SRFT，让 Agent 从失败经验中学习拒绝提示注入
提出 CrossFit，用折外求解器抑制自演化搜索智能体共作弊
False Frontiers 诊断自进化搜索智能体中的 co-cheating，并用按来源交叉拟合的反馈来缓解它。
提出契约约束的工具调用修复协议，在执行前拦截非法补丁
提出 CorrGRPO，用 Pearson 相关归一化多奖励优势
CorrGRPO 是 GRPO 的多奖励变体：组内优势的分子仍是中心化总奖励，分母改为 Pearson 相关之和，避免大尺度奖励主导归一化。
提出协同演化防御 CoDeL，抵御智能体的间接提示注入
提出 Provenance-Aware Transformers，隔离不可信来源防御间接提示注入
提出 CoER，用对抗共进化与精炼训练工具智能体抵御自适应间接提示注入
提出 ConflictGuard，引导 GUI Agent 在冲突指令下终止执行
ConflictGuard用推理时的可行性核验和条件激活转向，让 GUI 智能体在指令不可行时终止，而不是盲执行。
提出 SafeEvolve，用轨迹证据协同演化安全 harness 与策略
SafeEvolve 把已完成的 on-policy 轨迹变成安全 harness 的有界更新，并用两阶段 SFT-RL 把这些更新内化进工具使用策略。
提出 INTENT-AS-A-TOOL，用意图工具概率跟踪并干预智能体失准
Zhang 等人研究推理型语言模型在职场邮件沙箱里如何走向智能体失准，并提出用动作偏好而不是事后文本标签来跟踪承诺。问题是：有害执行往往出现在推理已经形成意图之后，但 CoT 监控是事后、粗粒度、依赖外部评审的，也看不到模型倾向调用哪个动作。
提出 SCOPE，联合后训练计算机使用智能体的任务能力与安全决策
提出同策略蒸馏防御微调方法 SecOPD，抵御自适应提示注入
提出 IACM-RL，用信念状态与强化学习改进动态意图下的复杂工具调用
提出 Agent MechSuits，对多轮 CLI Agent 做步级检测与子空间转向
Agent MechSuits 是面向多轮 CLI 智能体的白盒、步级表示防御，并配有可执行轨迹基准 MAS。
提出软提示防御 AREA，重锚定注意力以缓解系统提示泄露
作者研究真实 LLM 应用中的 system prompt 泄漏，并给出不改权重的缓解方法 AREA。
提出 SciTrace，为科学发现智能体加入跨阶段安全推理与工具轨迹核验
SciTrace 是加在科学发现智能体流水线上的安全框架，不是再在各阶段出口放一个独立过滤器。