🗞️ AI 日报 · 10月14日

逆向工程一直是安全研究和漏洞挖掘的核心技能，但门槛极高——需要理解汇编、调试器、系统调用链，还得有大量经验积累。morluto rea这个开源项目试图用AI Agent彻底改变这一局面：它让Agent能够从最高层的应用行为逐层深入到最底层的原生二进制，实现全栈逆向分析。项目的核心思路是将逆向工程分解为多个Agent可执行的子任务——行为观测、API追踪、二进制反汇编、控制流重建——每个环节都有专门的工具链和推理策略。Agent不是简单地调用现成的逆向工具，而是根据分析目标自主规划逆向路径，在遇到混淆、加壳等障碍时能动态调整策略。这意味着即使不精通汇编的安全分析师，也能借助Agent完成复杂的二进制分析任务。对于安全社区来说，这可能是逆向工程民主化的起点。

每个用过AI编程Agent的开发者都经历过这种痛苦：Agent调用一个工具，返回几千行日志，上下文窗口瞬间被塞满，然后Agent开始"失忆"，忘记之前在做什么。mksglu context-mode这个开源项目直击这一痛点：它通过沙箱化工具输出，将进入上下文窗口的信息量减少98%，同时持久化会话记忆，确保Agent在长任务中不会丢失关键信息。具体来说，context-mode会在工具输出和Agent之间加一层智能过滤——只提取与当前任务相关的关键信息传入上下文，其余原始数据存入外部记忆存储，Agent需要时可以按需检索。这种方法既解决了上下文溢出问题，又避免了简单截断导致的信息丢失。对于依赖大量工具调用的复杂编程任务，这个工具可能意味着Agent终于能"一口气"完成长流程开发，而不是每隔几步就得重新开始。

让AI Agent做科研，难点不在于写代码或跑实验，而在于掌握科学研究的方法论——如何设计对照实验、如何分析异常结果、如何判断一个假设是否值得验证。K-Dense-AI推出的scientific-agent-skills项目，是目前最大的科学Agent技能库，已被全球超过25万名科学家使用。这个技能库不是简单的工具集合，而是一套结构化的科研能力模块：涵盖实验设计、统计分析、文献综述、假设生成、结果可视化等科研全流程。每个技能模块都定义了输入输出规范、常见陷阱和最佳实践，Agent可以根据研究任务自主组合调用。项目的核心理念是：科研Agent需要的不是更多算力，而是更专业的"科研素养"——知道什么时候该用t检验而不是卡方检验，知道什么样的p值操纵是学术不端。对于科研工作者来说，这意味着AI终于从一个"会跑实验的工具"变成了一个"懂科研流程的助手"。

当前AI Agent与软件交互的方式极其碎片化：有的靠GUI截图识别，有的靠API调用，有的靠浏览器自动化，每种方式都脆弱且低效。HKUDS团队提出的CLI-Anything项目给出了一个激进但极具说服力的答案：CLI才是Agent与软件交互的终极接口。项目的核心主张是"Making ALL Software Agent-Native"——通过将任何软件的能力封装为标准化的CLI命令，Agent可以用统一的文本输入输出协议操作一切软件，从图像处理到数据库管理，从代码部署到科学计算。配套的CLI-Hub（clianything.cc）则是一个CLI命令的注册与发现平台，Agent可以像查字典一样找到操作任意软件的命令集。这种方案的优势在于：CLI天然适合LLM的文本处理能力，不需要复杂的视觉识别或多模态理解，且命令的组合性和可脚本化特性让Agent能灵活编排复杂工作流。如果这一愿景实现，软件行业可能需要重新思考"Agent友好"的产品设计标准。

推荐系统在部署前的评估一直是个难题：传统模拟器在长周期、闭环交互中很快失真，而基于LLM的模拟器又容易出现行为漂移和模式坍塌。这篇论文提出PsyBer-Agent，一个心理学驱动的用户Agent框架，通过将人格特质、认知偏差和情绪状态建模为动态变量，让模拟用户在多轮交互中保持行为一致性和真实感。核心创新在于：它不是简单地给LLM套一个"用户人设"提示词，而是构建了一套心理学状态机来驱动Agent的决策过程，使其在面对推荐结果时能产生符合真实人类心理规律的反馈——包括疲劳、好奇、从众、逆反等复杂行为。实验表明，PsyBer-Agent在长周期交互中的行为一致性显著优于基线方法，且能更准确地复现真实用户的偏好演化轨迹。这意味着推荐系统团队可以在上线前就发现"用户用着用着就流失了"这类问题，而不是等到线上A/B测试才追悔莫及。

当LLM Agent被部署到企业场景中处理合同、财务、HR等敏感事务时，一个致命问题浮出水面：它们在多轮对话中会不知不觉地泄露隐私信息。这篇论文系统性地研究了Agentic Dialogue中的隐私泄露机制，发现问题的根源不只是模型"记性太好"——而是Agent在调用工具、检索知识库、与其他Agent协作的过程中，会将敏感信息以一种隐蔽的方式扩散到对话上下文中。更危险的是，即使单独看每一轮对话都不构成泄露，但多轮累积后，一个精心设计的提问序列就能让Agent拼凑出完整的敏感数据。研究团队构建了一套隐私泄露分类体系，涵盖直接泄露、间接推断泄露和跨会话泄露三种模式，并在多个主流Agent框架上进行了实证测试。结论令人不安：现有的大部分Agent系统在隐私保护方面几乎没有系统性防御，而企业部署的速度远远超过了安全防护的跟进速度。

金融NLP的难点从来不只是模型能力——多语言、专业术语、低资源场景三重叠加才是真正的噩梦。这篇论文介绍了Fin_Agent系统在FinEval 2026多语言金融语言理解共享任务中的参赛方案，重点解决了希腊语金融文本的理解难题。研究团队采用了任务感知的方法架构：针对命名实体识别、情感分析和关系抽取等不同子任务，分别设计了专门的提示策略和微调方案，而不是用一个通用模型硬扛所有任务。核心发现是：在低资源金融领域，任务特定的数据增强和领域自适应预训练比单纯增大模型规模更有效。Fin_Agent在多个子任务上取得了有竞争力的成绩，尤其是在希腊语金融实体识别上表现突出。这项工作为多语言金融NLP提供了一个可复用的方法论框架，也揭示了当前LLM在非英语金融场景中的真实能力边界。

LLM训练的数据工程一直是个"玄学"领域：选什么数据、给什么奖励、按什么课程顺序喂给模型，这些决策至今高度依赖人工经验和反复试错。这篇论文提出了一个Agentic Data Engineering系统框架，让AI Agent自主完成数据选择、奖励设计和课程编排的迭代实验。系统设计的核心思路是：将数据工程流程建模为一个闭环优化问题，Agent根据模型训练反馈动态调整数据策略，而不是执行固定的预处理流水线。研究团队还进行了一项受控实证研究，对比了Agent自动优化与人工设计的数据配方在多个模型规模上的效果。结果显示，Agentic方法在相同算力预算下能找到更优的数据配置，尤其在课程学习策略上展现出人类设计者容易忽略的组合模式。这暗示了一个趋势：未来的LLM训练可能不再需要数据科学家手动调配方，而是由Agent在训练过程中实时优化。