两阶段门控审计框架在OpenAgentSafety上以72.8%检出率将LLM审计次数从8.15降至2.33
该工作提出一个两阶段LLM智能体监控框架：第一阶段用单事件与轨迹序列规则筛选待审动作，第二阶段由LLM审计智能体结合前置轨迹在执行前判定该动作是否有害，并用优化器LLM联合精炼门控规则与审计提示。在OpenAgentSafety测试集上，调优后的门控审计把平均审计次数从8.15降到2.33、token从47.8k降到14.6k，检出率72.8%（全量审计为81.5%），假阳性率5.9%（全量审计为11.8%）；在两个模拟多智能体场景中，框架标记了全部攻击运行，同时把审计token用量降低80%以上。