Muhammad Huzaifa

该工作研究多智能体系统中以可训练轻量链路替代文本通信的潜在通信安全性，发现仅训练链路、冻结全部智能体参数时，良性链路训练即可相对文本通信提高有害顺从，攻击者可通过在有害问答对上优化链路、向良性训练数据投毒，或用奖励引导的强化学习攻击（无需有害目标回复）进一步放大该效应，在三种通信拓扑与四个安全基准上把平均有害顺从分数从良性训练链路的27.9提升到76.9，并显示把奖励转向更安全行为可仅更新链路就大幅降低有害顺从。

该工作研究多智能体系统中以可训练轻量链路替代文本通信的潜在通信安全性，发现仅训练链路、冻结全部智能体参数时，良性链路训练即可相对文本通信提高有害顺从，攻击者可通过在有害问答对上优化链路、向良性训练数据投毒，或用奖励引导的强化学习攻击（无需有害目标回复）进一步放大该效应，在三种通信拓扑与四个安全基准上把平均有害顺从分数从良性训练链路的27.9提升到76.9，并显示把奖励转向更安全行为可仅更新链路就大幅降低有害顺从。

该工作提出“预算化主动测试时适应”（budgeted ATTA）设定，即长测试流中只有一部分批次可获得标签，并给出 WISE-ATTA：用在线轻量信号（低熵预测占比）配合滑动历史分位数与预算“欠账”控制器决定何时请求监督，再用相对 EMA 锚模型的预测漂移挑选单个样本标注；在 ImageNet-C 的 CTTA/FTTA 与 ImageNet-R/K/A 上，它以每批 1 个标签达到或优于近期 ATTA 方法，并报告最多减少 50% 标签。

该工作提出“预算化主动测试时适应”（budgeted ATTA）设定，即长测试流中只有一部分批次可获得标签，并给出 WISE-ATTA：用在线轻量信号（低熵预测占比）配合滑动历史分位数与预算“欠账”控制器决定何时请求监督，再用相对 EMA 锚模型的预测漂移挑选单个样本标注；在 ImageNet-C 的 CTTA/FTTA 与 ImageNet-R/K/A 上，它以每批 1 个标签达到或优于近期 ATTA 方法，并报告最多减少 50% 标签。