NeurIPS 2026 论文 Agent MechSuits：干预10个隐藏维度为CLI智能体做安全防护，检测准确率达97.32%
NeurIPS'26 | 只干预10个维度，给智能体穿上安全机甲，准确率超97%
AI 导读
NeurIPS 2026 接收论文提出 Agent MechSuits，用线性探针读取命令行智能体模型内部隐藏状态检测风险，并通过单层10个隐藏维度的表征干预改变后续行为，主模型权重保持冻结。
来源：新智元 · mp.weixin.qq.com
NeurIPS 2026 论文 Agent MechSuits：干预10个隐藏维度为CLI智能体做安全防护，检测准确率达97.32%