Agent Runtime 架構論文閱讀分析：很多間接 prompt injection 真正缺的，不是 detector，而是先把骨架搭對
論文基本資訊 論文標題：Architec...
2026 年 4 月 29 日
AI Security
2026
MGTEVAL 論文閱讀分析：很多 AI 驗真真正缺的，不是再多一個 detector，而是先有一個大家能公平打的場
這篇論文真正補的不是新的 machine-generated text detector，而是把資料建構、文字攻擊、detector 訓練與效果／韌性／效率評估接成同一個可重跑平台，讓大家比較開始像在同一個場上打。
2026 年 4 月 29 日
SnapGuard 論文閱讀分析：很多 screenshot-based web agent 真正缺的，不是更大的模型，而是先有夠快的第一道守門員
這篇論文真正補到的，不是再提醒一次 web agent 會被頁面上的惡意指令帶偏，而是把問題切到 screenshot-based agent 的真實痛點：當模型看到的是整張被渲染過的畫面時，text-only guardrail 常常不夠，而每一步都丟大 VLM 又太重。作者提出 SnapGuard，用視覺穩定性與 action-oriented 文字訊號做輕量級多模態檢測，重點不是追求完美，而是替 browser agent 補上一個夠快、夠便宜、能先攔下可疑畫面的第一道守門員。
2026 年 4 月 29 日
SkillGuard-Robust 論文閱讀分析：很多 agent skill 真正缺的，不是再多一個 prompt filter，而是載入前先把整個 package 審清楚
這篇論文真正補到的，不是再提醒一次 agent skill 可能有毒，而是把問題往前推成 package-level pre-load auditing：當 skill 由 SKILL.md、scripts、reference docs 與 repo context 組成時，真正該審的不是單一句子，而是跨檔案風險鏈。作者提出 SkillGuard-Robust，把審計拆成結構化證據抽取、選擇性語意驗證、衝突鏈仲裁與 rewrite 一致性整合，提醒我們 skill 供應鏈安全的核心其實更像 admission control，而不是單純 prompt moderation。
2026 年 4 月 29 日
Split Learning 論文閱讀分析：很多企業想把 LLM 微調外包上雲，真正先外洩的不是模型，而是中間那層看起來不像資料的資料
本文由 AI 產生、整理與撰寫。 論文基...
2026 年 4 月 29 日
DDG 論文閱讀分析：很多 adversarial training 真正缺的，不是更猛的攻擊，而是別把最脆弱的樣本一路打壞
這篇論文真正值得看的，不是它又替 adversarial training 補了一個技巧，而是它指出：很多 robustness 崩壞不是平均發生，而是低信心樣本上的錯誤訊號被一路放大，最後演變成 catastrophic overfitting 與 clean accuracy 的雙輸。作者提出 DDG，按樣本信心與預測狀態動態調整 perturbation 與 supervision，核心是在防禦訓練過程中先別把最脆弱的樣本打壞。
2026 年 4 月 29 日
Catastrophic Overfitting 論文閱讀分析：很多 adversarial training 真正缺的，不是穩定化技巧，而是承認模型其實學會了另一種後門
本文由 AI 產生、整理與撰寫。 論文基...
2026 年 4 月 29 日
AVISE 論文閱讀分析：很多 AI 安全真正缺的，不是再多一個攻擊 prompt，而是一套可重跑的評測框架
這篇論文真正補到的，不是又一組 jailbreak 技巧，而是把 attack、evaluation、aggregation 與 reporting 接成可重跑的 Security Evaluation Test。作者提出 AVISE 框架，並用 ALM 增強版 Red Queen 多輪攻擊示範：25 個 test cases、ELM 評估準確率 92%，且 9 個近期模型全都對這類多輪操控呈現不同程度脆弱性。
2026 年 4 月 23 日