AgentPolicyForge：从可执行环境构建策略基准与自适应防护

研究团队提出 AgentPolicyForge 框架，利用可执行环境构建基准测试并迭代训练 AI 智能体策略防护模型。基于该框架构建的 PolicyGym 涵盖 10 个策略族，包含 698 个训练场景与 254 个保留测试场景。实验显示，最终防护配置使攻击成功率相对降低 40-44%，且良性拒绝少于仅依赖策略提示词的方案。