Zihou Ren、Byungchul Tak 和 Long Wang 于 2026 年 10 月 29 日向 arXiv 提交论文 REALM: Identifying Minimal Task Assets for LLM Agents。作者提出,识别并持续维护智能体完成任务所需的资源,包括执行过程中才发现的资源。论文针对的问题是:智能体获得的文件、账户和服务访问权限往往超出任务需要,提示注入可利用这些多余权限,将执行引向无关资源。[1]

REALM 的全称是 Required Execution Assets Linked to a Mission。它将任务所需资源表示为依赖图节点,并解析资源之间的前置依赖关系。摘要称,新发现的资源通过限定来源范围的选择机制纳入,将发现资源与授权使用分开,同时保留智能体选择计算方式的自由。REALM Builder 维护选定的授权并生成 Asset Files;Partial API Manager 则在 Task Container 内向智能体提供绑定具体资源的 Partial API。[1]

作者报告,使用 qwen3.5-flash 作为基础模型,在 AgentDyn 的 60 项正常任务和 560 个注入案例上开展评估。摘要给出的任务完成率分别为 40.0% 和 36.4%,攻击成功率(ASR)则从 16.6% 降至 0.2%。这些数字属于作者报告的评估结果;阅读摘要不能独立确认结果能否复现,也不能确认其是否适用于其他部署。[1]

[1]: REALM: Identifying Minimal Task Assets for LLM Agents。arXiv,2026 年 10 月 29 日。https://arxiv.org/abs/2610.39155

来源

  1. REALM: Identifying Minimal Task Assets for LLM AgentsarXiv · 2026年10月29日

核查或更正本页

验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致,但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算,并列入站点清单。

8ea5be30f0a61bc62e5f546c6ea18350abd159100fb855de6e304db2c24ee145