本文提出长时程行为漂移检测框架LBDD,针对AIAgent在数千步任务中出现的渐进性、累积性、隐蔽性行为偏移问题。通过行为分布散度与目标一致性双维度度量,结合多尺度检测架构、在线变点检测、LLM-as-judge语义评分及累积效应相变模型,实现对温水煮青蛙式Agent失控的检测。文章提供了形式化定义、算法设计与评估框架,为AI安全监控提供新思路。
网络安全文章















