S
SkillNav

控制平面才是重点：重访 autofz 与 LLM 时代的类比

深度2026年7月2日12 分钟阅读
控制平面才是重点：重访 autofz 与 LLM 时代的类比
autofz 是一个元模糊测试（meta-fuzzer）运行时编排框架，发表于 USENIX Security 2023。几年后回头看，其核心问题——在多个不完美的工作器之间如何分配固定预算——不仅在模糊测试领域有效，在 CRS 和大语言模型智能体系统中也愈发关键。当产生可疑 bug 候选变得越来越容易，真正的难题是如何将嘈杂的候选转化为可靠证据、可复现 PoV 和有用补丁。
本文编译自 The Control Plane Was the Point: Revisiting autofz in the LLM Era，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

从混沌到秩序：AI Agent 如何进入企业

a16z 发文探讨 Replit 的“智能体栖息地”理念，认为 AI Agent 正重复 PC、电子表格和电子邮件的路径：先以混乱方式进入企业，再通过适当管控释放价值。文章强调，混沌是技术真正有用的信号，企业需要为 Agent 提供自由但有边界的运行环境，从而提升组织对齐度。

深度·10月26日·6 分钟

AI 智能体治理：沙箱之外，运行时可观测性为何关键

文章以 OpenAI 和 Anthropic 的评估事故为例，指出配置的边界不等于运行时的真实可达范围。智能体能动态选择步骤，因此治理需要覆盖运行时：通过遥测、事件关联、及时干预和独立审计四个属性，将可观测性转化为遏制能力。Langfuse 和 ClickStack 分别覆盖智能体层和基础设施层，共同支持这一闭环。

深度The New Stack·10月26日·8 分钟

评论