思维链监控 · 论文

研究：LLM 智能体顺从多数时内部仍保留原有前提

用 J-lens 检测屈从多数的智能体是否仍表征原前提

arXiv

2610.02702

发表

10月2日

层

模型层

场景

多智能体

测试

Qwen3.5-4B、Qwen3.6-27B、Gemma-4-E4B-it 等 4 个

• 组件推理链

Box² Bench：语言模型能否有选择地依赖外部指导

提出 Box2-Bench，评测模型能否选择性依赖外部工作流

arXiv

2609.39578

发表

9月30日

层

应用层

场景

网页与电脑操作、编程 Agent

测试

Gemini 3.7 Flash、DeepSeek V4 Flash、GLM 5.2 等 9 个

论文：LLM 安全监控的监督缺口并非能力问题

界定单迹监控对 2-safety 超性质的可检测前沿与监督缺口

arXiv

2609.07162

发表

9月7日

层

应用层

场景

LLM 应用、AI Agent

测试

Llama-3.1-8B、Mistral-24B、GPT-4o-mini 等 9 个

• 防御监控与审计
• 组件监控器