跳到正文
10月8日 · 周四

全部论文

找到 7 篇
筛选1

攻击类型

提示注入2投毒与后门1恶意使用1

攻击技术

编码与混淆1跨模态载荷1潜伏触发1

模型自身风险

Agent 危险操作1

影响

越权操作2数据与隐私泄露2输出被操纵2可用性与可靠性1

系统形态

模型与 API23LLM 应用5AI Agent62编程 Agent25网页与电脑操作7多智能体5

攻击面/入口

用户输入1网页与界面3文档与消息1工具与技能描述1代码仓库与依赖1记忆写入1图像与音视频1分发渠道1

层

应用层7

系统组件

MCP 与技能1记忆2视觉1多模态1

被测模型厂商

OpenAI6Qwen（阿里）6其他7
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 1065 篇还没打标签，不在筛选结果里。
系统形态：网页与电脑操作清除全部

另有 1065 篇论文还没打上分类标签，暂不在筛选结果里。

  4. 评测与基准arXiv:2604.02947 ·

    AgentHazard：评估计算机使用智能体有害行为的基准

    提出 AgentHazard 基准，评测计算机使用智能体的执行层有害行为

    网页与电脑操作编程 Agent测试Qwen2.5-72B-Instruct、Qwen2.5-Coder-32B-Instruct、Qwen3-32B 等 12 个应用层
    摘要AgentHazard 评估了计算机使用智能体的执行安全，作者认为模型层对齐无法可靠保障智能体层面的安全性。

    AgentHazard 是针对计算机使用智能体执行层安全构建的评估基准，重点探究多步工具调用下局部合理动作累积引发的危害。

    完整解读
  5. 评测与基准arXiv:2608.18066 ·

    Salesforce AI Research 重测自改进 Agent

    重测记忆型自改进智能体，揭示任务顺序和多次运行带来的性能不稳

    网页与电脑操作测试GPT-5-mini、Gemini-2.5-Pro、GPT-OSS-120B 等 4 个应用层
    摘要论文揭示了基于记忆的自改进智能体在多次运行和乱序下的脆弱性，并指出规约不完备是诱发退化的关键瓶颈。

    这篇论文是对基于文本记忆的自我改进智能体在复杂环境中评估可靠性的实证研究。

    完整解读
已经到底了