arXiv· arXiv:2605.29801· Dongrui Liu, Yu Li, Zhonghao Yang, Peng Wang, Guanxu Chen, Yuejin Xie, Qinghua Mao, Wanying Qu, Yanxu Zhu, Tianyi Zhou, Leitao Yuan, Zhijie Zheng, Qihao Lin, Yimin Wang, Haoyu Luo, Shuai Shao, Chen Qian, Qingyu Liu, Ling Tang, Ruiyang Qin, Qihan Ren, Junxiao Yang, Kun Wang, Zhiheng Xi, Linfeng Zhang, Ranjie Duan, Bo Zhang, Wenjie Wang, Wen Shen, Qiaosheng Zhang, Yan Teng, Chaochao Lu, Rui Mei, Man Li, Jialing Tao, Xi Lin, Tianhang Zheng, Yong Liu, Quanshi Zhang, Lei Zhu, Xingjun Ma, Junhua Liu, Hui Xue, Xiaoxiang Zuo, Xiangnan He, Chao Shen, Xianglong Liu, Minlie Huang, Jing Shao, Xia Hu·本站收录· 原文发表 AgentDoG 1.5：面向 AI 智能体安全的轻量可扩展对齐框架
AgentDoG 1.5: A Lightweight and Scalable Alignment Framework for AI Agent Safety and Security
AI 导读
研究者提出轻量可扩展的智能体安全对齐框架 AgentDoG 1.5，仅用约 1k 样本训练出 0.8B、2B、4B、8B 四种参数规模的模型，作者称性能可比肩 GPT-5.4 等领先闭源模型。框架更新了智能体安全分类体系，以覆盖 Codex 与 OpenClaw 执行场景带来的新型风险，并通过分类体系引导的数据引擎与影响函数净化构建训练数据。团队还基于该模型构建了高效的智能体安全 SFT 与 RL 训练环境，将 Docker 级环境的部署开销降低两个数量级，并把 AgentDoG 1.5 部署为免训练的在线护栏用于实时安全审核。作者称其在多样复杂的交互式智能体场景中达到 SOTA，全部模型与数据集已开源。
阅读原文arxiv.org