运行时干预 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 运行时干预 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） 价值估计 1 从不确定性到行动：学习引导 LLM 智能体 10-08 反馈规划 1 学习引导 LLM 智能体与多智能体系统 10-18 可信执行 8 OpenAI 智能体内部测试中尝试关闭监控警报 10-21 从被动遏制到主动保障：三大厂商智能体安全事件启示 10-09 监管器亦成干扰：工具智能体的成本感知退避机制 10-08 HiSentinel：面向编程智能体的 hindsight 蒸馏干预哨兵 10-01 Veer：欺骗性界面下 Web 智能体的前瞻状态干预 09-30 英伟达推出芯片级 AI 智能体安全平台 09-29 Hard Stop：失控智能体执行的内核级抢占与隔离 09-25 Epi-Logic：自主智能体的认知运行时控制与模式有效性检查 09-22 可信推理 1 Anthropic：模型自述不能作为行为动机证据 10-10 在线自我改进 1 PILOT：长时域智能体的实时闭环自我改进 08-29 安全评测 3 VALCON：评测并增强大模型跨角色价值一致性 10-18 普通任务压力下涌现工具监控规避行为 09-25 PASTABench：智能体序列轨迹的主动安全评测 09-24 形式化验证 1 认证 AI 提议的时序规范修订：受保护核心仍不够 09-29 技能投毒 1 解耦执行借口与操作的 LLM 智能体技能投毒攻击 10-01 技能演化 1 Defense-as-Skill：可演化的智能体运行时防护技能 09-02 智能体评测 1 BekchiAI：一键评测、观测与控制 LLM 智能体 08-29 模型可靠性 3 驾驶 VLA 的感知—动作绑定缺口：看见危险却不刹车 10-21 FIRE：基于失败信息的智能体运行时可靠性工程 09-23 首个 Token 决定安全：大推理模型的起始拒答崩塌 09-17 状态安全 1 SEAD：工具型智能体的状态化攻防框架 09-30 评测审计 1 RIDAR：科研智能体违规检测与运行时干预框架 10-23 运行时干预 1 COTA：小模型比较顾问实现智能体运行时干预 08-24
