Agent MechSuits：10维干预防护CLI智能体

佐治亚大学、罗格斯大学、南加州大学等机构的研究团队提出 Agent MechSuits，在命令行智能体的单层隐藏表征中选定 10 个维度做稀疏干预，主模型权重保持冻结。论文称，三种受测模型的当前步骤风险检测平均准确率达 97.32%，该工作已被 NeurIPS 2026 接收。 该方法依赖对白盒模型内部状态的访问；风险触发后的干预强度搜索需调用外部语言模型，论文中每次干预平均进行约 8 轮候选生成与评估，带来额外开销。论文的提示注入压力测试还发现，当前探针无法稳定识别从环境反馈进入的恶意目标。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。