执行轨迹中的修复序列可用于识别黑盒智能体背后的基础模型。
资讯摘要
论文提出 AgentTrace，一种通过可观测执行轨迹识别黑盒智能体背后基础模型的主动框架。它向刚性工具接口注入结构歧义探针，触发对分词敏感的序列化失败，再依据后续修复操作的时间序列刻画模型特有的恢复行为，并用轻量马尔可夫链建模。作者报告在对抗性身份伪装下达到 96.0% 归因准确率，且能区分共享同一分词器的同族变体（如 Llama-3 8B/70B）。
要点速读
- AgentTrace 通过注入结构歧义探针，在工具接口触发分词敏感的序列化失败，作为粗粒度模型族区分信号。
- 后续修复操作的时间序列被用于刻画细粒度、模型特有的恢复行为，并以轻量马尔可夫链建模。
- 作者报告在对抗性身份伪装下归因准确率为 96.0%，可区分共享分词器的同族变体，并对提示混淆与温度缩放保持稳健。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。