语言是Agent护栏的安全面

步级护栏在每次工具调用前判断智能体下一步动作是否安全，但用户请求语言多样，而护栏提示及其训练评测基准均为英文。论文研究护栏判定是否依赖请求语言：基于TS-Bench AgentDojo-Traj的1220条标注步骤构建LinguaGuardBench，仅将用户指令翻译为德语、法语、土耳其语、斯瓦希里语和阿姆哈拉语，工具调用、观测与标签保持逐字节一致，使判定变化可归因于语言；另设六种英文改写与空白占位对照，并对托管护栏重复运行三次以测量噪声。在19个护栏（从前沿API到4B开源模型及四个专用agent护栏）上，多数开源、小型与专用护栏在翻译下的判定变化超出自身噪声下限。

AI推荐理由 提出agent安全护栏的语言敏感性这一被忽视的安全面：用户请求语言多样，而护栏提示与训练评测基准均为英文。基于TS-Bench AgentDojo-Traj的1220条标注步骤构建LinguaGuardBench，仅翻译用户指令为德、法、土、斯瓦希里和阿姆哈拉语，保持工具调用、观测与标签逐字节一致，从而将判定变化归因于语言。测试19个护栏（含前沿API、4B开源模型与四个专用agent护栏），发现多数开源、小型与专用护栏在翻译下判定变化超出自身噪声下限。方法设计严谨，对agent安全部署有直接警示意义。