EvoSafeHarness: Evolving Model- and Domain-Specific Harnesses for Securing Agents

• 类型：arxiv
• 标识：2609.05903
• 链接：https://arxiv.org/abs/2609.05903
• 主分类：evaluation
• 形态：application
• 被引：4
• 被引来源：Semantic Scholar
• S2被引：4
• OpenAlex被引：0
• 影响力被引：1
• TLDR：EvoSafeHarness is presented, a framework for automatically synthesizing deployment-specific safety harnesses for frozen LLM agents that achieves a stronger safety-utility frontier than fixed expert-designed defenses.
• OpenAlex ID：W7212001064
• OpenAlex DOI：10.48550/arxiv.2609.05903
• DOI：10.48550/arxiv.2609.05903
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.05903
• OpenAlex更新：2026-09-12
• 副分类：agent
• 待LLM分类：否
• 标题中文：EvoSafeHarness：面向 Agent 安全防护的演进式模型与领域专属 Harness
• TLDR中文：EvoSafeHarness 是一个面向安全性的优化框架，针对目标领域中的冻结模型合成可部署的 harness，由模型行为、领域规范和新鲜上下文对抗审查共同引导，以拒绝基准特定规则。
• 来源文件：
• /inbox/tom/_candidates/2026-09-11-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]