NeurIPS'26 论文仅干预 10 个维度,智能体安全机甲检测准确率超 97%

NeurIPS 2026 接收论文 Agent MechSuits,只针对模型单层里面的 10 个隐藏表征维度做干预,就能给命令行智能体装上安全机甲,风险检

NeurIPS'26|只干预 10 个维度,给智能体穿上安全机甲,准确率超 97%

NeurIPS 2026 收录了一篇名为 Agent MechSuits 的论文,这套方案被形象叫做智能体安全机甲,它不用改动大模型主体权重,只在模型单层