arXiv cs.AI· Zihou Ren, Byungchul Tak, Long Wang·· 13 小时前AI 评分40
REALM：为 LLM 智能体识别最小任务资产
REALM: Identifying Minimal Task Assets for LLM Agents
AI 导读
REALM 通过将任务所需资产表示为依赖图节点，把资产发现与使用授权分离，从而为 LLM 智能体落实最小权限。在 AgentDyn 的 60 个干净任务和 560 个注入案例上，以 qwen3.5-flash 为基座模型，任务完成率为 40.0% 和 36.4%，ASR 从 16.6% 降至 0.2%。
正文 · AI 翻译
摘要：大型语言模型（LLM）智能体往往获得比任务所需更多的文件、账户和服务访问权限。提示注入将这种过度访问转化为将执行重定向到无关资源的机会。因此，应用最小权限原则需要识别任务所需的资产，包括那些身份仅在执行过程中才出现的资产。我们提出 REALM（Required Execution Assets Linked to a Mission，与任务关联的必需执行资产），这是一种识别并维护任务所需资产及其允许用途的方法。该方法将所需资产表示为依赖图节点，解析前置关系，并通过源范围选择接纳新发现的资产。它将资产的发现与使用的授权分离，同时保留智能体选择其计算方式的自由。REALM Builder 维护选定的授权并投影资产文件；Partial API Manager 在任务容器内向智能体暴露资源绑定的 Partial API。在 AgentDyn 的 60 个干净任务和 560 个注入案例中，以 qwen3.5-flash 作为基础模型时，它分别完成了 40.0% 和 36.4% 的任务，并将 ASR 从 16.6% 降至 0.2%。
| 学科： | 密码学与安全（cs.CR）；人工智能（cs.AI）；系统与控制（eess.SY） |
| 引用为： | arXiv:2610.39155 [cs.CR] |
| （或本版本的 arXiv:2610.39155v1 [cs.CR]） | |
| https://doi.org/10.48550/arXiv.2610.39155 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zihou Ren [查看电子邮件]
[v1]
2026年10月29日星期四 01:40:42 UTC（171 KB）
来源：arXiv cs.AI · arxiv.org