跳到正文
arXiv · AI· Weidi Luo, Qiming Zhang, Yihao Quan, Mingyu Jin, Jie Cai, Chaowei Xiao, Jingcheng Niu, Zhen Xiang·· 2026-10-06AI 评分39

Agent MechSuits: 面向多轮 CLI 智能体的机制子空间安全引导

Agent MechSuits: Mechanistic Subspace Safety Steering for Multi-Turn CLI Agents

AI 导读

论文提出白盒防御框架 Agent MechSuits,通过干预单层 10 维子空间内的隐藏表征,在运行时检测和缓解多轮 CLI 智能体的不安全行为。 该框架在由 LLaMA-3.1-8B、Qwen-2.5-7B 和 Gemma-2-9B 执行的 194 项任务上进行了测试,并引入了配套的 Mechanistic Agent Safety (MAS) 基准。

来源:arXiv · AI · arxiv.org