文章

原创它能干，但可信吗？——从 14 篇 arXiv 新论文看懂智能体评测、审计与治理的集体爆发

AI 智能体越来越能干：替你读邮件、调 API、审批、下单，甚至替你写代码再替你 review。可一个每天替你办事的执行者，你凭什么相信它没在骗你？2026 年 9 月第一周，arXiv 上扎堆出现 14 篇论文，把『智能体可不可信』从一句口头追问，变成了一门可以测量、可以审计、可以治理的工程。本文承接上篇『谁在证明它没骗你』的全景，切入纵深：诡计行为的压力测试基准（SchemeArena）与风险感知评测（AURA-Eval）、全生命周期信任分（AgentAudit）、步级注入标注数据集（AgentDrift）与威胁分级（TIER）；再向上走到机制可组合的合约治理（CONTINUITY）、推理时治理与多智能体联邦治理（Beyond Training / PRIMUS）、区块链锚定的可审计证据（Black Box for Agentic Processes）；最后落到 TEE 混淆搜索、后量子加速器、MEV 韧性与波动共识等底层地基。结论先行：能力评估的时代正在过去，『可信度量』的时代正在开始——检测粒度、治理边界与证据可验证性，将一起决定 Agent 到底能被委以多大事。