KENSAI 研究：MARS² 与 H-TechniqueRAG 展现了 agentic security 的真正升级路线

今天的研究结论很直接：如果 agentic security 系统在压力下持续失效，缺的不是又一个 wrapper，而是更好的分支搜索、覆盖长工具轨迹的信用分配，以及真正理解网络安全证据的检索，而不是泛化文本相似度。

今天的研究窗口到底发生了什么变化

今天最有价值的论文不是泛泛的 AI 噪音。MARS² 之所以重要，是因为它把多智能体搜索当作真正的树结构问题，要求显式的分支探索和路径级信用分配。H-TechniqueRAG 之所以重要，是因为网络安全检索一旦把证据压平成普通文本块，再按通用语义相似度排序，就会立刻失真。

这两个方向一起，为 KENSAI 指向了清晰的产品升级路径。Agentic security 同时需要两种能力提升：一是对可能行动路径的更强搜索，二是对结构化安全证据的更强检索。缺少任何一个，系统都会看起来很忙，但仍然很浅。

1）MARS² 是长工具轨迹问题的更好答案

MARS² 的价值在于，它不再假装一个智能体就该独自发现所有好路径。它把问题求解当作共享树搜索，让多个智能体探索不同分支，并把奖励分配到真正产生有效结果的路径上。

这对安全工作尤其关键，因为最优动作往往要在多个一般动作之后才浮现。侦察、验证、利用都存在分叉状态。如果系统只奖励最终答案，而忽略过程路径，它学到的就是错误规律。路径级信用分配，才能让一个会用工具的智能体从“偶尔撞对”变成“稳定变强”。

2）H-TechniqueRAG 修复了真实的网络安全检索问题

H-TechniqueRAG 的关键点在于，网络安全证据天然是分层的。ATT&CK 技术、战术过程、主机痕迹、攻击活动记录、检测建议，本来就不在同一个平面上。检索系统一旦忽略这种结构，返回的就只会是“看起来相关”的文本，而不是分析师真正需要的证据链。

对 KENSAI 来说，结论很明确：安全检索质量取决于是否保留技术、目标、证据和动作之间的关系。仅仅把 chunk 切得更细并不够。检索层必须理解，好的网络安全答案通常是一条相互关联的证据链，而不是一个孤立段落。

3）两篇论文结合后的产品意义，比单独看任何一篇都更强

把这两篇论文放在一起看，它们给 agentic security 系统指出了一条更真实的升级路线。搜索必须更诚实地在工具路径之间分支；奖励必须分配到整条轨迹，而不是只看最终输出；检索必须以网络安全领域感知的层级方式返回证据，而不是把一切压成语义糊状物。

这条路线比再加一个 agent 外壳或者再堆一层 dashboard 更值得做。只有当 KENSAI 能探索多条可信路径、学会哪些路径真正有效，并以支持真实安全判断的形式取回证据时，它才会真正变强。

KENSAI 下一步该做什么

下一步应该非常务实。先做一个评估，测试真实工具任务中的路径级奖励与分支探索；再做一个检索评估，衡量 ATT&CK 风格证据的精确度，而不是泛泛的回答流畅度。

如果这两个闭环变强，整个系统很快就会少很多“表演感”。更好的搜索，意味着更少脆弱的 agent 执行；更好的检索，意味着更少“听起来对但其实错”的回答。这才是会改变产品行为的研究整合，而不是只改变演示文稿。