其他arXiv 2610.04749
从蒸馏私有健康记录中智能体发现血液生物标志物
蒸馏私有健康记录为 GAT 打分器，供智能体发现血液标志物
- arXiv
- 2610.04749
- 发表
- 层
- 应用层
- 场景
- AI Agent
摘要私有队列被蒸馏成 GAT 打分器。
把私有 CBC 证据蒸馏成可发布的 GAT 打分器，使前沿智能体在不读取患者行时给生物标志物表达式排序。。
- 其他arXiv 2608.23642
立场论文：AI 智能体设计正削弱人类监督能力
提出认知脚手架，用设计摩擦与组织规程维持对智能体的人工监督
- arXiv
- 2608.23642
- 发表
- 层
- 应用层
- 场景
- AI Agent
摘要立场论文主张把监督者的认知需求当作与智能体能力同等的设计约束。
Mitchell、Ghosh 与 Passi 的立场论文认为：人被留在回路中，并不会自动产生有效监督。
- 其他arXiv 2609.03178
论文梳理 AI 风险建模的开放问题：从 22 位专家研讨会提炼研究议程
梳理 AI 风险建模开放问题并比较两类定量提案
- arXiv
- 2609.03178
- 发表
- 层
- 应用层
- 场景
- AI Agent
摘要研讨会议程论文：比较两类建模提案，并列出结构、证据、验证与治理上的开放问题。
这是一份面向研究者与政策实践者的议程论文：先进 AI 的社会风险需要定量建模，但监管要求的先进方法尚未被定义。
- 其他arXiv 2609.37968
SelfSearch：无需奖励信号的自改进 Agent 搜索方法
提出 SelfSearch，用自我修改记录无奖励搜索以改进编码智能体
- arXiv
- 2609.37968
- 发表
- 层
- 应用层
- 场景
- 编程 Agent
摘要作者主张以智能体经济管理自主科学发现的验证资源、信用、问责与安全，而非只提升推理。
作者把高自主 AI scientist 的规模化协调写成经济与制度问题：假设生成变便宜之后，要分配的是稀缺验证资源，并处理信用、问责和恶意使用。
- 其他arXiv 2610.00902
用平均场博弈分析 AI 安全：以 2026 年 7 月 Hugging Face 事件为例
用均值场最优停止分析多智能体集体攻击的均衡条件
- arXiv
- 2610.00902
- 发表
- 层
- 应用层
- 场景
- 多智能体
摘要结构阈值给出干预杠杆。
- 其他arXiv 2609.10630
论文提出 AI 安全设计保障架构：结合 Scientist AI 模型级监督与系统级控制
提出结合模型级监督与系统级控制的智能体保障架构
- arXiv
- 2609.10630
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 风险Agent 危险操作
- 组件监控器
摘要作者梳理事件中的多层失效，主张监督模型、系统控制与证据治理并用。
Lu 与 Bengio 给出的是一套可逐层上移的保障架构和一组事件归类，不是已测量的防御系统。
摘要七组件按意图解剖提示注入，供事件记录、红队变异和 CTI 聚类。
McHugh 给出提示注入工件的组件解剖，让防御、红队和 CTI 不必靠字符串匹配来标注、比较和变异攻击。
- 其他arXiv 2607.11999
报告提出 AI 保险栈蓝图，主张 2030 年前实现数十亿美元级 AI 智能体承保
提出 AI 保险栈蓝图，为智能体经济构建可定价的明确承保
- arXiv
- 2607.11999
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 其他arXiv 2608.14611
2026 新加坡 AI 安全研究优先级共识：聚焦社会韧性与自主 AI 智能体风险
综合技术 AI 安全研究优先级，提出社会韧性支柱与智能体风险管理原则
- arXiv
- 2608.14611
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 其他arXiv 2608.15304
智能体 AI 系统的认知诱发风险：从物理认知到自我指涉认知的三级框架
用三层认知框架归纳智能体对人类能动性与控制的风险
- arXiv
- 2608.15304
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 风险失准与价值偏离
摘要三层框架把认知扩展对应到能动性、自主性与控制，并给出预防策略。
这是一份按认知范围组织的人本风险分析，不是新的实验论文。
- 其他arXiv 2609.06140
论文提出反集群准则：以协调事件为单元遏制智能体协同入侵
提出以协调情节为操作单位的跨执行准则，规定如何发现未授权智能体协同并在重启后遏制
- arXiv
- 2609.06140
- 发表
- 层
- 应用层
- 场景
- 多智能体
- 风险欺骗与谋划
摘要立场是跨执行保留关系并约束共享状态。
- 其他arXiv 2609.24986
研究提出人机审计协作框架 HAAC，并在对话购物 Agent 上验证
提出人机审计协作框架 HAAC，在对话购物 Agent 上分配并验证审计分工
- arXiv
- 2609.24986
- 发表
- 层
- 应用层
- 场景
- AI Agent
摘要HAAC 规定人机审计分工。
HAAC 是一套用户参与式生成式 AI 审计的人机分工流程，实例为作者开发的对话式购物智能体。
- 其他arXiv 2609.35366
Planarian：用状态点管理 Agent 的本地与远程状态
Planarian 用 statepoint 回滚并分支环境。
- arXiv
- 2609.35366
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 组件权限与沙箱
摘要statepoint 支持回滚与分支。
Planarian 是与现有 harness 协同的运行时，把智能体环境收成可恢复、可分支的时间点。
- 其他arXiv 2608.14380
AgentRewind：面向长周期 LLM Agent 的可恢复执行框架
提出 AgentRewind，用对齐检查点回退长程 Agent 的上下文与工作区
- arXiv
- 2608.14380
- 发表
- 层
- 应用层
- 场景
- 编程 Agent
- 组件权限与沙箱
- 其他arXiv 2609.35266
面向软件交付决策门禁的智能体安全审计器持续保障机制
提出 TAIP，把策略与证据分离，在配置或策略变化后重算仓库审计门禁裁决
- arXiv
- 2609.35266
- 发表
- 层
- 应用层
- 场景
- 编程 Agent
摘要TAIP 把策略、证据和执行分开，在保留的 RepoAudit 证据上于 5s 预算内重算合并门姿态。
TAIP 是放在未修改 RepoAudit 之外的保证层，用来在软件交付门上重算智能体安全控制的当前姿态。
- 其他arXiv 2609.16694
面向安全 AI 渗透测试智能体：安全威胁、护栏与架构视角
综述自主渗透智能体的继承攻击、架构攻击及护栏覆盖缺口
- arXiv
- 2609.16694
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 组件记忆
摘要用双轴分类连接渗透智能体的架构、攻击与护栏，并认为现有防御仍按组件分开。
这是一篇关于自主 AI 渗透测试智能体的安全综述：用架构和生命周期两轴整理威胁与护栏，不做新的攻击实验。
- 其他arXiv 2609.12582
NovaFabric 提出可防篡改、可重放的 AI Agent 运行证据方案
提出可防篡改、可重放的自主 Agent 运行证据方案
- arXiv
- 2609.12582
- 发表
- 层
- 应用层
- 场景
- AI Agent
摘要占位。
占位。
- 其他arXiv 2610.00093
自我演化智能体的安全性综述：SAVER 过渡中心框架
提出 SAVER 框架综述自演化智能体的安全状态转移
- arXiv
- 2610.00093
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 组件记忆
摘要SAVER 用状态转移追踪自演化安全：合法状态可经复用变不安全，后代修复证据仍少。
SAVER 是一篇关于自演化智能体安全的转移中心综述：安全对象从单次回答或单次授权动作，转到可复用状态在多次转移中的谱系。
- 其他arXiv 2610.01195
Federated Agent Optimization：面向隐私约束下分布式智能体协同优化的联邦智能体优化框架
提出 FAO 框架，形式化隐私约束下的智能体协同优化
- arXiv
- 2610.01195
- 发表
- 层
- 应用层
- 场景
- AI Agent
摘要FAO 把智能体协作写成效用、隐私和通信的多目标问题，并给出组件分类与迁移框架。
Federated Agent Optimization（FAO） 是一篇框架论文：多个处在私有环境中的 LLM 智能体，如何在原始数据、完整轨迹和本地知识不离开客户端的前提下协作改进。