Janus：面向长时程智能体安全的潜在风险预测框架

研究者提出 Janus 框架，通过多智能体模拟合成轨迹，并采用 CoAA-RL 联合优化预期与安全裁决任务。其派生的守卫模型 Vanguard 在四个基准测试中，较基线模型提升 15.9 个百分点的平均保护率，同时增加 5.1 个百分点的良性任务完成率。该框架将智能体安全从内容审查转向操作失败预防。