Self-Evolving Defense：LLM智能体安全框架

研究人员提出Self-Evolving Defense (SED)框架，无需重新训练模型即可持续学习安全策略。该框架在DeepSeek V4 Flash、GLM 5.2和Kimi K3三个开源模型上测试，在AGENTDOJO基准上将目标提示注入成功率降至0.42%，而最佳基线防御为3.7%。在HARMBENCH基准上，SED将X-TEAMING攻击成功率控制在7.8%，远低于最佳基线的35.2%，同时保持良性任务效用。