arXiv：cs.CL（计算语言学，全量分类）· Charlie Summers, Prajwal Raghunath, Aaditya Pai, Mayur Kulkarni, Zhuo Zhang, Oliver Kennedy, Eugene Wu·· 1 天前AI 评分43
Environment Steering：用数据流控制提升 LLM 智能体的实用性与安全性
Environment Steering: Using Data Flow Control to Improve Agent Utility and Safety
AI 导读
研究者提出 Environment Steering，将智能体与执行框架的运行状态建模为数据库表，在运行时追踪记录级数据流并用声明式策略校验，发现违规时通过策略与上下文相关反馈引导智能体转向安全路径。在 AgentDyn 上，该方法相比无防御基线提升了任务成功率，同时实现 0% 攻击成功率。该工作为 REALM Workshop、EMNLP 2026 收录，共 9 页 11 图。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org