Kamolchanok Saengtong, Chutirat Saengyingyongwattana, Sasin Janpuangtong, Norrathep Rattanavipanon · 2026 · arXiv
DOI: 10.48550/arXiv.2610.27722 · open-access PDF
يمكن أن تحسن النماذج اللغوية الكبيرة (LLMs) من خلال إنتاج ردود فعل ديناميكية واضحة المعالم، ولكن النماذج الضوئية القوية تتسبب في تكلفة كبيرة ومؤقتة، في حين أن النماذج الضوئية يمكن أن توفر إهانة أقل. هذا يجبر الممارسين على الاختيار بين الكفاءة التشغيلية والمثابرة التفاعلية. في هذا العمل، ونحن نقدم HydraPoT، وهي إطار ميكانيكي متكامل متعدد الأطراف الذي يتكامل مع التعبير التقليدي، LLMs الضوئي، وال LLMs الضوئي القوي.
Machine translation (Meta M2M100); the English original follows.
Large language models (LLMs) can improve honeypot realism by generating dynamic, context-aware responses, but powerful cloud models incur substantial cost and latency, while lightweight models may provide weaker deception. This forces practitioners to choose between operational efficiency and interaction fidelity. In this work, we present HydraPoT, a configurable multi-agent honeypot framework that integrates traditional emulation, lightweight LLMs, and powerful cloud LLMs. HydraPoT routes each attacker command to an appropriate agent according to a configurable complexity-based policy, while
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.27722, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange