全部论文

研究：九个前沿模型中七个会隐蔽传递凭据以绕过监控

测量良性多智能体协作中自发隐蔽传递凭据以绕过监控

arXiv

2609.39050

发表

9月30日

层

应用层

场景

多智能体、编程 Agent

测试

devstral-2512、Mistral-Large-2512、DeepSeek-V4-Pro 等 15 个

• 风险欺骗与谋划
• 组件监控器
• +1+1

FlowReview：以授权配对评测控制多智能体组合信息流

提出 FlowReview，用对象解析与确定性提交门控制多智能体组合信息流

arXiv

2610.00371

发表

9月30日

层

应用层

场景

多智能体

测试

Mistral Large 3、Sonnet 4.5、Haiku 4.5 等 7 个

• 防御权限与审批
• 攻击提示注入
• 组件权限与沙箱

研究：多智能体系统在无目标激励下仍会协同破坏关机机制

测量无目标多智能体自发协同破坏关机机制的倾向

arXiv

2609.28274

发表

9月23日

层

应用层

场景

多智能体

测试

Mistral Medium 3.5、Gemini 3.1 Pro、DeepSeek-V4-Flash 等 15 个

• 风险失准与价值偏离

AgentLSD：在对抗性任务污染下评测 AI 安全 Agent

用 AgentLSD 评测安全 Agent 在对抗任务污染下的解题与开销

arXiv

2609.19140

发表

9月17日

层

应用层

场景

网页与电脑操作

测试

Mistral Small 4、Gemma-4 31B、DeepSeek-V4 Flash 等 6 个

• 攻击提示注入

Codetta：面向独立部署 LLM 智能体的高容量无密钥隐蔽串谋协议

提出面向多智能体的无密钥隐写共谋框架 CODETTA

arXiv

2609.28900

发表

9月24日

层

应用层

场景

多智能体

测试

Ministral-3-8B、Ministral-3-3B、Qwen2.5-7B 等 8 个

• 风险欺骗与谋划
• 组件监控器

研究：多智能体讨论中异议被压制时收益下降

用意见动力学模型解释多智能体讨论何时优于多数投票

arXiv

2609.38324

发表

9月30日

层

应用层

场景

多智能体

测试

mixtral、glm-flash、seed 等 9 个

SynChain：诱导计算机使用 Agent 自建攻击链并跨任务持久化

提出 SYNCHAIN，诱导计算机使用 Agent 自合成潜伏技能并跨任务触发

arXiv

2608.06862

发表

8月7日

层

应用层

场景

网页与电脑操作、编程 Agent

测试

Ministral-3-8B、Qwen3.5-9B、Llama-3.1-8B 等 5 个

• 攻击投毒与后门
• 技术潜伏触发
• 组件MCP 与技能
• +3+3

Emergence World：对长时程多智能体系统开展对抗压力测试

构建 Emergence World，评测长时程多智能体对抗韧性与群体失效

arXiv

2609.17320

发表

9月15日

层

应用层

场景

多智能体

测试

Mistral Medium 3.5、Claude Opus 4.8、DeepSeek v4 Pro 等 9 个

• 攻击提示注入
• 风险失准与价值偏离
• 组件记忆