今日推送

论文解读论文针对基于技能的Agent系统提出后门攻击框架SkillTrojan。与传统攻击不同，该攻击针对技能实现而非模型参数或训练数据。攻击者在技能代码中嵌入恶意逻辑，利用标准技能调用机制触发，实现对Agent行为的隐秘操控。实验表明该攻击可绕过现有安全检测，为Agent系统安全评估提供新视角，同时警示了模块化Agent架构的潜在风险。

论文解读Qualixar OS是首个应用层Agent编排操作系统，区别于AIOS内核方案或AutoGen等单框架工具。它提供完整运行时，支持跨供应商、跨框架的异构多Agent系统，涵盖7种传输协议。核心贡献包括12种多Agent拓扑的执行语义、标准化接口和统一调度策略。该系统降低了多Agent开发门槛，为构建复杂Agent工作流提供基础设施，推动Internet of Agents愿景落地。

论文解读论文提出神经计算机（NCs）新前沿，旨在统一计算、内存和I/O于模型自身。与传统计算机执行显式程序、Agent依赖外部执行环境不同，神经计算机让模型成为运行中的计算机。通过将运行时状态本身作为学习对象，NCs可原生处理复杂推理、规划与工具使用等任务。该愿景论文为AI系统架构演进提供长期路线图，融合了计算范式与学习智能。

论文解读论文指出OpenClaw ClawHub市场13000+社区技能中13%-26%存在安全漏洞。现有正则扫描器无法检测混淆载荷，静态分析器无法读取SKILL.md中的提示注入攻击。SkillSieve提出分层分类框架，结合自然语言指令理解和行为分析，有效识别恶意技能。实验表明该方法在检测提示注入和社工攻击方面显著优于现有工具，为开源Agent技能生态提供安全保障方案。

论文解读论文针对机器人系统缺乏统一智能组织抽象的问题，提出单Agent操作系统架构AEROS。该框架通过具身能力模块（ECM）整合感知、决策与执行，区别于传统模块松散协调或多Agent架构。ECM提供一致性身份和控制权威模型，实现技能模块的即插即用。实验验证了该架构在复杂任务规划中的灵活性与可扩展性，为机器人系统设计提供新范式。

论文解读论文指出现有Web Agent基准缺乏安全隐私任务评估，提出WebSP-Eval基准套件。该基准涵盖Cookie偏好管理、隐私设置调整、敏感信息保护等真实网站安全场景。通过对比分析主流Agent在安全和功能任务上的表现差异，揭示当前Agent在隐私保护意识方面的不足。实验表明即使高性能通用Agent在安全敏感任务上仍有显著改进空间，为安全可信Web Agent开发提供评测依据。

论文解读论文针对多Agent工作流中LoRA适配器服务的高内存开销问题，提出ForkKV框架。基于写时复制机制，不同Agent实例共享基础模型KV缓存，仅在各自LoRA激活时复制必要部分。实验显示该方法将多Agent场景下的GPU内存占用降低60%以上，同时保持服务吞吐量。该技术为大规模Agent部署提供高效服务方案，解决了个性化Agent与资源受限部署之间的矛盾。

论文解读AgentGate针对AI Agent系统激增带来的请求路由挑战，提出轻量级结构化引擎。它支持跨本地设备、边缘节点、私有服务和云平台的Agent命名、发现与交互。核心创新在于动态路由策略，综合考虑请求延迟、隐私要求和计算成本三个维度。通过智能缓存和负载均衡机制，AgentGate在保证响应质量的同时优化资源利用，为开放Agent生态提供高效通信基础设施。

论文解读论文针对多轮Agent策略优化中稀疏奖励和关键步骤识别问题，提出链式推理与树状学习结合的方法。传统GRPO方法将轨迹视为独立链，统一分配信用导致关键决策被忽视。新方法通过树状结构显式建模步骤间的依赖关系，识别对结果影响最大的关键步骤，并给予差异化信用分配。实验表明该方法在复杂推理任务中收敛更快，最终性能更优。

论文解读论文聚焦LLM-based Agent的科学评估问题：如何区分LLM本身与外部结构对Agent能力的贡献。通过系统消融实验，论文逐步移除Agent中的显式结构组件（如规划器、反思模块），观察性能退化模式。研究发现特定结构组件对复杂推理任务至关重要，而简单任务可主要由LLM承担。这为Agent架构设计提供实证依据，帮助研究者根据任务复杂度选择合适的技术方案。