研究团队提出Agent策略生成与防护框架AgentPolicyForge

2026年10月22日，研究团队在arXiv发布成果，提出AgentPolicyForge框架，该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，共包含698个训练场景与254个保留测试场景。实验结果显示，其最终防护配置使攻击成功率相对降低了40%至44%，同时在良性拒绝率上的表现优于仅依赖策略提示词的防护方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。