超越组件测试：Agentic AI 系统的验证研究综述
一项系统映射研究综合 262 篇论文，指出 Agentic AI 系统的验证需从组件测试转向对多步轨迹的上下文验证。研究提出覆盖行为、安全、时序、监管与多智能体五个维度的分类体系，发现文献集中于行为评估（105 篇），时序有效性最薄弱（仅 14 篇）。论文结合医疗、工业运营与智能出行三个案例，提出以有限自主规范、对抗性轨迹生成、运行时监控和可审计证据结构为核心的研究议程。
#安全/对齐
arXiv cs.SEAI 评分3030 arXiv cs.SEAI 评分4242 Arbiter：检测 LLM 编程智能体系统提示词中的干扰模式
Arbiter 框架结合形式化评估规则与多模型 LLM 扫描，用于检测 LLM 编程智能体系统提示词中的干扰模式。该框架应用于 Claude Code、Codex CLI 和 Gemini CLI 三大编程智能体系统提示词，在无向扫描阶段发现 152 项问题，并在针对单一厂商的有向分析中人工标注出 21 种干扰模式。
arXiv cs.SEAI 评分2626 DITTO：面向 Pickle 格式预训练模型的安全审计上下文感知扫描器
针对 Pickle 格式预训练模型的安全审计工具 DITTO 发布，它通过追踪 Pickle 虚拟机状态转移并进行上下文感知语义分析来推断模型意图。对超 1 万个 Hugging Face 仓库的分析显示 9.3% 仍依赖 Pickle；DITTO 实现 100% 扫描覆盖率、0% 漏报率和 0.7% 误报率，F1 达 0.966。
arXiv cs.SEAI 评分4949 PyCache Trap：Agent 技能扫描器的检查-执行鸿沟
研究者提出 PyCache Trap 攻击，利用 Python 加载器接受的替换字节码缓存，将良性源码与隐藏行为配对，在 100 个技能和 7 款扫描器上实现 94-100% 攻击成功率，且扫描器无法语义识别缓存中的行为。
arXiv cs.SEAI 评分4141 Skill Constellations：追踪 GitHub 上 Agent 技能的供应链
研究构建了首个带时间戳的 Agent 技能复制网络，基于 GitSkills 中每个仓库的 git 历史，覆盖 GitHub 上 2,193,119 次技能采用。
arXiv cs.SEAI 评分2222 概率感知与确定性权威：将模型产出的观察结果纳入充分性校验的治理合约
研究提出一种治理合约机制：模型仅以带分数的观察记录形式输出感知结果，准入策略在预设假阳性上限下将分数映射为 true、false 或 unknown，unknown 即拒绝，再由确定性且经充分性校验的合约做最终裁决。
Google Developers Blog精选AI 评分6060 Gemini Enterprise Agent Platform 上线 Agent Anomaly Detection 私测
Google 在 Gemini Enterprise Agent Platform 上为 Agent Anomaly Detection 开启 Private Preview，用推理层审计智能体的推理轨迹、工具调用和执行流程，标记行为异常、可疑意图与策略违规。
推荐理由：原文给出分层检测流程与一个抓取型异常实例，可据此判断智能体行为审计在生产中的落地方式。
Google Developers BlogAI 评分4848 Google 如何构建零信任 AI 智能体：从语法校验转向意图判断
Google 发布零信任智能体系列第二部分，将安全校验从代码层移到 Gemini Enterprise Agent Platform 的运行时治理层，用 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管控制拦截构建期检查漏掉的四类攻击。
Google Developers BlogAI 评分2222 Google Cloud 详解 Gemini Enterprise DevEx 计划的治理工作流冲刺
Google Cloud 的 Gemini Enterprise DevEx 计划通过"冲刺"方式，以无内部凭证的开发者视角实测智能体治理全流程，覆盖身份配置、注册、网关绑定、策略与内容安全、请求验证五个工作流。