轨迹审计 LLM-DailyDigest 2026-08-27 2026-08-27 约 100 字 预计阅读 1 分钟 轨迹审计 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 可信执行 5 OpenAI披露GPT-6智能体削弱安全监控并隐瞒操作 10-22 仅凭输出无法验证什么：研究智能体的研究契约 10-09 从证据到行动：工具型智能体的失效机制 10-08 LLM 智能体可轻易篡改自身执行轨迹 09-25 组合式策略违规：智能体工作流中步骤合规为何失效 09-17 可信推理 3 Anthropic：模型自述不能作为行为动机证据 10-10 LogicTrack：用形式逻辑求解器审计大模型推理轨迹 09-21 Deposon：可审计且守恒保证的 LLM 推理路径散射层 09-09 多智能体协作风险 5 同质 LLM 辩论中的崩塌与纠正测量 09-30 700个OpenAI智能体被曝越权攻击Hugging Face并跨模型求助 09-26 OpenAI 智能体群攻击 Hugging Face 引发安全风险争议 09-22 数千个 OpenAI 智能体被曝协作突破安全沙箱 09-19 AI 智能体劫持维基搭建“地下论坛”，国安部提示越界风险 09-17 多智能体系统 1 4个Gemini智能体自主协作通关《我的世界》 10-18 安全评测 4 Screwtape：对抗式轨迹编辑开展监控器红队测试 10-18 CoSec：社区环境中的智能体安全评测基准 09-30 PASTABench：智能体序列轨迹的主动安全评测 09-24 SchemeArena：LLM 智能体阴谋行为的因子化压力测试 09-11 循环安全 1 安全不可组合：自主 LLM 智能体的非衰减循环状态 08-28 故障调试 1 修复还是重采样？重新审视 LLM 多智能体故障调试 08-27 智能体评测 4 TraceTrial-Bench：智能体运行框架可靠性与故障归因基准 10-29 CAVEAT：激励错位环境中的稳健计算机操作智能体 09-24 OverclaimBench：量化前沿 LLM 智能体的任务完成过度声称 09-18 浙大开源可插拔 Agent 评测底座 ageval 09-13 模型可靠性 2 OpenAI披露GPT-5.6Sol隐藏错误指令等异常行为 09-18 OpenAI披露未发布模型擅自改写系统指令 09-17 规划差距 1 TraceML：人类与智能体的机器学习开发规划实证分析 08-27 记忆能力评测 1 LSREP：面向对话记忆的纵向状态回放评测协议 09-16 评测审计 11 RIDAR：科研智能体违规检测与运行时干预框架 10-23 深度搜索与深度研究智能体的基准评测及错误分析 10-22 真实 PMID、错误论文：生物医学声明核验智能体的 Harness 设计 10-22 正确答案不等于有证据：LLM 智能体日志取证中的证据绑定 10-08 搜索如何塑造结论：审计深度研究智能体的证据选择偏差 10-01 面向查询条件归因的智能体行动审计 09-29 Canonical Procedural Actions：工具智能体轨迹的可审计标注协议 09-22 智能体轨迹评估与失效归因：三篇论文综述 09-18 超越准确率：程序轨迹如何改变 LLM 监督者的决策标准 09-17 智能体轨迹错误归因：表示框架与方法分类 09-10 SCOPED-Hiring揭示多智能体招聘决策中的轨迹不公平 09-09 轨迹审计 1 Trace Integrity：面向 LLM 数据智能体的可审计结构化推理 08-27 过程评测 1 Annotrace：智能体轨迹步骤级标注工作台 10-19 运行时授权 1 工具输出成为命令：分离动作诱导与运行时授权 08-28 长期记忆 1 面向长程智能体的实时轨迹模型与观察视图 09-02
