University of California, San Diego（加州大学圣迭戈分校）

A Low-Latency Fraud Detection Layer for Detecting Adversarial Interaction Patterns in LLM-Powered Agents

面向LLM代理的低延迟欺诈检测层：用于检测对抗性交互模式

Sheldon Yu, Yingcheng Sun, Hanqing Guo, Qianqian Tong

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 本文提出一种低延迟欺诈检测机制，通过交互轨迹的结构化运行时特征检测对抗性交互模式，采用轻量模型实现实时部署，实验表明交互层面行为检测应成为LLM代理部署时的核心防护措施。

Learnable Mixed Nash Equilibria are Collectively Rational

可学习的混合纳什均衡具有集体理性

Geelon So, Yi-An Ma

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 研究将博弈学习扩展到非渐近稳定性动态，通过一致稳定性概念，发现一致稳定的混合均衡是弱帕累托最优，还表明其决定特定动态过程的收敛行为，揭示混合纳什均衡附近个体行为能导致集体理性。