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。
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。
- 评测与基准arXiv 2609.05947
超越最终决策：面向透明 AI 辅助同行评审的流程中心基准
提出过程中心基准，检验 AI 辅助评审终审是否被中间证据支撑
- arXiv
- 2609.05947
- 发表
- 层
- 应用层
- 场景
- LLM 应用
- 测试
- Qwen2.5-7B-Instruct、Qwen2.5-14B-Instruct、Llama-3.1-8B-Instruct 等 6 个
摘要过程基准显示人工对齐变量更有决策价值，模型中间文本并未稳定支撑终审。
该基准用来检查 AI 辅助同行评审的中间证据是否支撑最终决策，而不是只看终审对错。。
- 分析与理论arXiv 2608.16578
研究用统计力学预测 AI 智能体群体的集体行为
用扩展 Ising 模型预测语言模型智能体的集体意见演化
- arXiv
- 2608.16578
- 发表
- 层
- 应用层
- 场景
- 多智能体
- 测试
- GPT-4o-mini、Gemma-3n-E4B-it、Qwen3.5-9B 等 6 个
摘要统计力学三耦合模型从初始意见预测智能体社群轨迹，并解释 conviction、共识与客观题求真。
定位：用统计力学描述语言模型智能体社群的意见动力学，并从初始意见预测后续轨迹。
- 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。
- 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 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
- 测试
- Gemini 2.5、gemini-2.5-flash
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 2609.22720
残障披露如何在对话式 AI 中流动：ChatGPT、Claude、Gemini 的记忆、隐私与语境完整性
访谈残障成人，分析向记忆型助手披露残障时的信息流与语境完整性
- arXiv
- 2609.22720
- 发表
- 层
- 应用层
- 场景
- 模型与 API
- 组件记忆
- 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 2609.23894
综述提出智能体 AI 安全的跨维度威胁分类 T={S,B,P,A}
提出威胁分类 T 并映射智能体红队研究与安全基准的覆盖
- arXiv
- 2609.23894
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 组件推理链
- 分析与理论arXiv 2609.31857
LLM Judge 验证在稀疏重叠下的问题：从推理到设计
分析稀疏重叠下 LLM judge 与人类一致性的验证误差并规划重叠分配
- arXiv
- 2609.31857
- 发表
- 层
- 应用层
- 场景
- LLM 应用
- 测试
- Gemini Flash、Gemini Pro、GPT-4o-mini 等 10 个
- 组件护栏与评审
摘要稀疏重叠主导 judge 验证的错误决策。
这篇工作研究标注重叠很稀时，怎样验证 LLM judge 是否足以替代人类，并规划重叠该留多少、怎么分配。。部署前的标准做法是在校准集上比较 judge 与人类的一致性。
- 分析与理论arXiv 2609.38723
面向智能体的高效 HPC 系统：挑战与机遇
测量编码智能体在 HPC 集群上的使用并梳理协同设计挑战
- arXiv
- 2609.38723
- 发表
- 层
- 应用层
- 场景
- 编程 Agent
摘要FASRC 测量说明编码智能体改变 HPC 使用方式，作者据此提出四层协同设计议程。
这是一篇对生产 HPC 上编码智能体的测量与系统议程论文，不是攻击实现或防御评测。。
- 其他arXiv 2609.15818
Atria Dawn Preview：智能体超级智能的黎明
用可验证经验流水线训练智能体并分析人机研发分工
- arXiv
- 2609.15818
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 测试
- Atria Dawn Preview、DeepSeek V4 Pro、KIMI K3 等 7 个
摘要Atria Dawn 在五个基准上领先，研发日志里人类仍掌握大多数最终决定。
Atria Dawn Preview 是面向研究与工程流程的智能体语言模型，论文同时报告它的基准表现，以及开发它的过程中人与智能体如何分工。
- 其他arXiv 2609.13642
当合规数据伪装成评测：部署后 AI 系统的测量效度问题
提出评估合同，检验合规监测数据能否支持部署系统的比较主张
- arXiv
- 2609.13642
- 发表
- 层
- 应用层
- 场景
- 具身与机器人
摘要比较主张要先对齐能力、结果、暴露、领域、采集和对照。
作者给出的是评测效度立场：部署后的运行数据要支持比较主张，必须先写明测量与主张如何对齐。
- 其他arXiv 2609.20143
防技能退化设计：元认知反馈减少对 LLM 助手的认知卸载
检验元认知反馈能否减少向 LLM 助手的答案卸载
- arXiv
- 2609.20143
- 发表
- 层
- 应用层
- 场景
- LLM 应用
- 测试
- GPT-OSS-120B
摘要元认知反馈减少答案卸载并提高无辅助成绩，按协助程度给分的奖励则没有。
这是一项关于学习界面如何减少把完整答案交给 LLM、从而降低去技能风险的预注册 HCI 实验。
已经到底了