AgentTriage 提出跨异构运行时可复现的安全诊断契约及实证结果

该论文提出 AgentTriage，一种针对工具使用型智能体（tool-use agents）的可执行安全诊断契约，旨在解决智能体执行代码、写入文件或发送数据后缺乏安全事件解释，且不同运行时环境暴露证据接口不兼容的问题。该方法通过运行时覆盖层（runtime overlays）标准化原生观测数据，利用确定性流水线构建类型化溯源图，并强制要求结论必须引用规范运行时事件，在关键证据缺失时禁止做出断言。

在五个不同运行时的159个适用执行案例中，单一契约实现了0.858的接地联合诊断准确率、0.966的必要证据覆盖率以及0.036的无支持声明率。相较于最强同架构基线，联合诊断准确率提升了0.175（95%置信区间[0.092, 0.258]）。作者开源了实现代码及部分清洗后的证据数据，强调在给定归一化轨迹、覆盖层版本和预运行策略预言机的情况下，诊断结果可被重新计算和验证，无需依赖大模型的判断。

事实层面，该研究量化了可复现诊断的精度边界及需要保持克制（abstention）的观察范围。推断层面，这表明未来 Agent 安全审计可能从依赖模型生成的“解释”转向基于确定性证据链的“契约验证”。猜测层面，若该契约能广泛适配更多异构环境，或将成为企业级 Agent 部署前安全合规的标准化工具，但具体落地效果需观察其在复杂动态场景中的泛化能力。