人工智能技术正从以大语言模型为代表的对话模型，加速向能自主规划、调用工具、执行复杂任务的智能体，以及能够理解物理世界、进行预测和规划的“具身智能”演进。近期，OpenClaw这类可直接接入邮件、日程、文件和终端环境的智能体产品快速走热，但安全问题成为约束其落地的关键因素。本次演讲我将介绍针对智能体安全体系的思考和技术实践，包括针对智能体安全的评测、针对智能体行为的解释技术、以及针对智能体风险的防范方法。

演讲提纲

1. 背景：从语言模型到智能体技术演进的必然性
   • 从安全视角看待语言模型和智能体的本质区别
   • Safety v.s. Security的分类机制
2. 智能体安全评测的挑战与规划
3. 如何解释智能体大脑（大语言模型）的行为
4. 保障智能体安全落地的技术和预期

这样的技术在实践过程中有哪些痛点？

• 今天智能体演进速度很快，无论是什么安全方案必然存在滞后性。

演讲亮点

• 面向智能体安全的技术体系构建方法。

听众收益

1. 获取构建智能体安全系统的落地路径；
2. 针对大模型/智能体的可解释性技术与实践。