ReDence提出混合智能体与决策模型框架，以96%准确率快速检测社会工程诈骗

ReDence是一个开源的混合框架，旨在解决现有工具在检测在线社会工程诈骗时证据收集滞后和人工依赖过高的问题。该框架结合了两个本地部署的互补模型：一个微调的多模态智能体调查员（Qwen3.5-4B）负责制定调查计划、解释证据和生成报告，以及一个专用决策器（Tev1）处理浏览器操作选择、证据评估等二元或多项选择题任务。这种设计通过将离散决策委托给专用模型，减少了对长篇语言模型响应的依赖，同时保留了复杂调查所需的推理能力。

评估结果显示，ReDence在十二类社会工程诈骗类别中实现了96%的检测准确率，显著优于现有检测器，且在保持调查深度的同时，速度至少比同类智能体模型快四倍。系统生成的结构化报告记录了调查行动、支持及矛盾的证据以及收集的工件，使分析师能够独立审计检测决策并利用这些证据支持后续的缓解和下架工作。

事实层面，该研究明确使用了Qwen3.5-4B作为智能体组件，并声称在特定基准上实现了性能突破；推断层面，这种“智能体规划+决策器执行”的分离架构可能成为未来端侧安全工具的通用模式，因为它平衡了推理深度与响应延迟；猜测层面，该框架在实际大规模网络环境中的泛化能力和对抗样本鲁棒性仍需进一步观察，目前仅基于论文描述的实验数据。