BraveGuard：从开放世界威胁到更安全的计算机操作智能体

BraveGuard 是自进化防御框架，从开放世界威胁信号和真实智能体轨迹训练护栏模型，防御计算机操作智能体面临的演化风险。框架挖掘近期研究中的新兴攻击模式，实例化为可执行任务并收集智能体 rollout，导出轨迹级监督信号，随新威胁重复运行形成自适应防御循环。以 Qwen3-Guard、Llama-Guard 等为骨干的护栏在轨迹级智能体安全基准上检测表现更优，AgentHazard 上较现成护栏模型，平均 guard 模型设置下准确率从 38.79% 升至 82.38%。