标签
PolicyMem提出了一种用于LLM治理的几何策略记忆，将自然语言策略外化为可重用的几何对象，以启用检测-重写-验证循环，并实现最先进的不安全行为检测。
本文提出 TRACE，一种面向长周期 LLM 智能体的轨迹级安全检测方法，通过将完整轨迹证据压缩为潜在状态，更好地聚合分散的风险信号，在多个基准上达到最先进的准确率。