AgentTrust：用于 AI 代理动作的自我改进信任层

针对 AI 代理执行关键动作时的信任问题，本文提出 AgentTrust，一种能自我进化的信任层。研究指出基于固定规则的防御无法应对语义威胁，而引入具备自学习能力的 LLM 评判者可显著提升准确率。该系统采用双存储架构：将词法威胁蒸馏为确定性规则以降低成本，同时利用受保护的 RAG 记忆积累语义威胁的先例。实验表明，该系统能从决策流中自我演化，在降低调用频率的同时提升领域准确率，且无误阻良性动作。