上海科技大学的论文《Safety Sentry》提出了一种新的安全审查方法，将二元分类改为三向路由决策（执行、请求确认、拒绝）。该方法通过轻量级guard model实现上下文感知的细粒度审查，能够更好地区分低、中、高风险操作，提高安全性与效率。实验结果表明，该方法在准确率和召回率上优于传统方法，且具有较强的部署灵活性，适应不同风险容忍度需求。

本文讨论了如何构建更安全的智能代理，避免自我破坏。通过使用“Sprite”沙箱，每个会话在独立环境中运行，确保命令安全执行。代理能够在不影响主机的情况下执行风险操作，并在出错时快速恢复，从而提高了可靠性和安全性。