arXiv · cs.AI· Chenxu Wang, Xiaoyu Wen, Han Qi, Ziyuan Zhou, Cheng Jin, Chaochao Lu, Qiaosheng Zhang·· 6 小时前
AgentSafeEvo：通过对抗协同进化提升LLM Agent安全性
AgentSafeEvo: Adversarial Co-Evolution for LLM Agent Safety
arXiv:2610.19422v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chenxu Wang, Xiaoyu Wen, Han Qi, Ziyuan Zhou, Cheng Jin, Chaochao Lu, Qiaosheng Zhang
研究任务与主要进展
AgentSafeEvo是一种面向LLM Agent安全的协同进化强化学习框架，通过攻击者与防御者博弈学习抵御恶意用户输入、工具描述和环境观察内容。基于论文摘要，该方法引入可学习性引导的任务加权机制，并在安全与通用能力基准实验中报告了对抗鲁棒性提升且保持通用Agent能力；具体实验细节和基线未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org