AgentTrace：通过执行轨迹指纹识别黑盒 Agent 的基座模型
热点事件持续更新
AgentTrace：通过执行轨迹指纹识别黑盒 Agent 的基座模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Gejian Zhao 等研究者在 arXiv 论文中提出 AgentTrace，一种黑盒场景下识别智能体背后基础模型的主动溯源框架：向智能体注入结构歧义探针，触发对 tokenization 敏感的序列化失败，再用轻量 Markov 链建模后续修复序列来归因模型。 论文称，该框架在对抗性身份伪装下达到 96.0% 归因准确率，可区分共享相同 tokenizer 的同家族变体（如 Llama-3 8B 与 70B），并对提示词混淆和温度缩放保持稳健。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
AgentTrace：基于执行级指纹的黑盒 LLM 智能体模型溯源框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIAgentTrace：基于执行级指纹的黑盒 LLM 智能体模型溯源框架
研究提出 AgentTrace，一种通过观察智能体执行轨迹识别其背后基础模型的主动溯源框架。它注入结构歧义探针触发 tokenization 敏感的序列化失败，并用轻量 Markov 链建模后续修复序列，在对抗性身份伪装下达到 96.0% 归因准确率，还能区分共享相同 tokenizer 的同家族变体（如 Llama-3 8B/70B），对提示词混淆和温度缩放保持稳健。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。