摘要
大型语言模型智能体在自动化复杂任务时面临严峻的安全风险。现有方法在手工规则的脆弱性与神经分类器的不可解释性之间难以权衡。本文提出 AutoSpec 框架，利用反例引导的归纳合成（CEGIS）和归纳逻辑编程（ILP），根据用户标注自动进化专家设计的安全规则。该系统通过迭代挖掘误报与漏报反例，高效识别判别性谓词以生成并验证规则修订，直至收敛。实验表明，AutoSpec 显著提升了规则的 F1 分数，大幅降低误报率，且生成的规则具备可解释性与泛化能力。
AI 推荐理由
论文核心提出 AutoSpec 框架，通过归纳逻辑编程自动进化安全规则，实现 Agent 的自我改进与自适应。
研究机构
Zhejiang University of Technology, China
HKUST
Hong Kong SAR, HKUST
University of Science and Technology of China
Zhejiang University of Technology
论文信息