技术博客

本文介绍一种新型智能体行为安全范式——Thought-Aligner，该方法被ICML 2026会议接收。作为一种轻量级的智能体思维校正技术，Thought-Aligner聚焦于任务执行前的关键阶段，主动识别并修正智能体潜在的推理偏差，实现风险的源头防控。不同于依赖事后干预或强化学习反馈的传统安全机制，Thought-Aligner以低开销嵌入现有推理流程，在保障效率的同时显著提升决策可靠性，为智能体安全研究提供了新思路。