NeurIPS论文提出Defense-as-Skill，让Agent安全防护可进化

NeurIPS 2026录用的论文《Defense-as-Skill》指出，Agent系统的能力与记忆持续演化，而安全防御却是静态的手写策略文本，难以追上演化的攻击，恶意技能甚至可在安装时完全正常，待特定任务、工作区状态与工具组合对齐时才触发危险。作者提出让防御像技能一样可进化，并用MCTS训练防御，使Agent守卫在9轮迭代攻击下的攻击成功率从0.30降至0.078。

2026-10-14 ~ 2026-10-15 · 2 条相关

• NeurIPS 论文提出 Defense-as-Skill:让 Agent 安全防护像技能一样可进化 — jiqizhixin · 2026-10-14

另有 1 条近重复转述:青稞AI