深度分析
AgentWard：為自主 AI 代理人設計的五層生命週期執行時安全架構
自動化代理將大型語言模型擴展為運行時系統，帶來跨階段安全風險。本文提出 AgentWard，採用五層生命周期防禦，從初始化到執行分別設置基線掃描、輸入清理、認知保護、決策對齊與執行控管。該架構強調跨層協調與零信任，能在不同階段攔截風險並保護關鍵資產。
深度分析
自動化代理將大型語言模型擴展為運行時系統，帶來跨階段安全風險。本文提出 AgentWard，採用五層生命周期防禦，從初始化到執行分別設置基線掃描、輸入清理、認知保護、決策對齊與執行控管。該架構強調跨層協調與零信任，能在不同階段攔截風險並保護關鍵資產。
深度分析
研究背景：LLM 代理人在真實任務中缺乏結構化分析能力。核心技術：案例導向學習框架將過往任務轉為可重用知識資產，並以分析提示與操作技巧支援新任務。結果顯示：在六類複雜任務上持續超越零樣本、少樣本等基線，且效益隨任務難度提升而增長。