NeurIPS 2026论文Agent MechSuits：表征干预守护CLI智能体安全

佐治亚大学、罗格斯大学、南加州大学等机构的研究团队提出智能体安全方法Agent MechSuits，论文被NeurIPS 2026接收。该方法用线性探针读取命令行智能体模型的内部隐藏状态来检测风险，检测准确率达97.32%；并通过干预单层10个隐藏维度的表征来改变智能体后续行为，主模型权重保持冻结。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。