Boundary（边界）是 AI 领域中一个跨方向的核心概念，既指智能体与外部系统之间的安全执行边界，也指模型能力、感知与通信的边界，当前正从隐喻性描述演变为可测量、可强制执行的研究对象。随着大模型智能体获得真实系统权限，以及多智能体系统规模扩大，围绕边界的定义、度量与防护成为学术界和工业界共同关注的问题。
Boundary 相关的近期研究进展
当前焦点与观察点
目前关于 boundary 的讨论主要集中在一个共识上：模型行为不应由其内部自律保证，而应由外部边界机制兜底。Kairos 和 PASAC 等工作都指向同一方向——把安全检查从提示词层下沉到系统边界层。争议点在于边界的粒度：边界设得太粗会限制智能体能力，设得太细则难以拦截复杂的多步攻击。
另一个观察点是边界概念的泛化。除了安全边界，视觉语言模型推理中的视觉访问边界 研究模型对视觉信息的访问限制，Smoothing the Top-k Exposure Boundary for Sparse Mixture-of-Experts 则关注 MoE 架构中专家路由的暴露边界。这些工作共同表明，boundary 正在成为描述 AI 系统中权限、能力与信息流动限制的通用框架，后续值得跟踪的是统一的边界度量标准能否出现。