跳到正文
10月8日 · 周四

全部论文

找到 2 篇
筛选4

模型自身风险

危险能力1

影响

滥用能力提升1

系统形态

LLM 应用1AI Agent1

层

应用层2

系统组件

MCP 与技能2记忆2推理链1图像生成1多模态1

被测模型厂商

腾讯0其他2
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 701 篇还没打标签，不在筛选结果里。
系统组件：MCP 与技能被测模型厂商：Qwen（阿里）被测模型厂商：腾讯被测模型厂商：其他清除全部

另有 701 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 其他arXiv 2609.15779

    EvoOntology：面向数据智能体的自演化本体层

    提出自演化本体层 EvoOntology，供数据智能体经 MCP 查询异构数据语义

    arXiv
    2609.15779
    发表
    层
    应用层
    场景
    AI Agent
    测试
    Qwen3.5-Flash、GPT-5.5、GPT-5.6-sol 等 6 个
    摘要EvoOntology 用可查询、可演化的 MCP 本体缩小数据智能体与异构数据的差距。

    EvoOntology 为数据智能体增加一层可在运行时查询、并随执行轨迹更新的本体，用来缩小 agent–data gap。

    深度解读完整解读
  2. 其他arXiv 2609.18120

    PentestChain：面向免费层 LLM 的成本感知 MCP 编排自动化渗透测试框架

    提出成本感知的 MCP 编排框架，用确定性利用图与免费层模型做自动化渗透测试

    arXiv
    2609.18120
    发表
    层
    应用层
    场景
    LLM 应用
    测试
    qwen2.5:7b (Ollama, local)、OpenRouter (free-tier)、Cerebras (free-tier)
    摘要确定性利用图加免费层级联在十次自建运行上测得付费成本为零。

    PentestChain 是一个十阶段、经 MCP 暴露的自动渗透框架，用确定性利用图把 7B 本地模型挡在利用关键路径之外，并把每次交战的美元成本当作实测指标。。

    深度解读完整解读
已经到底了