Captura intenção, raciocínio e ação em sessões de agentes; encaixe direto em guardrails reais.
Captura intenção, raciocínio e ação em sessões de agentes; encaixe direto em guardrails reais.
fonte: Tracekit: Tamper-Evident Intent-Reasoning-Action Auditing for Autonomous Coding Agents
Modela artefatos compartilhados como canal de contaminação entre LLMs stateful com ferramentas.
fonte: Share-Borne AI Virus: Memory-Hopping Attacks Across LLM Agents
Adapta o programa que orquestra chamadas e ferramentas, não só pesos ou prompts.
fonte: Harness Learning Enables Generalizable Test-Time Adaptation
Ataque desloca o risco de roubo de chave para impersonação e autenticação.
fonte: A Clever RSA Attack Fooled a Hardware Vault—Here's What It Means for Crypto
OpenShell e Sentry apontam contenção física para agentes, tema central de automação segura.
fonte: Nvidia Built a Kill Switch for AI Agents Because They Keep Getting Out
Previsão de custo ajuda agentes com budget cap e shadow mode sem vender autonomia mágica.
fonte: TokenCast: Forecasting Token Consumption During LLM Agent Execution
Ataca memória de agentes longos no nível KV, relevante para runtime local e RL agentic.
fonte: KV-streams for Efficient Compaction in Agentic Reinforcement Learning
Sinal forte em segurança de modelos porque proteção contra cópia pode falhar depois de RL.
fonte: Distillation Defenses Easily Break After Reinforcement Learning
Otimiza prefill LLM com prefix reuse; útil para serving, mas ainda é tuning especializado.
fonte: WavePP: High-Throughput Pipeline Parallel LLM Prefill under Prefix Reuse
Impacta diretamente Claude Code e workflows agentic, mas é release de plataforma conhecida.
fonte: Sonnet 5.5