arXiv cs.AI / cs.LG 最新· Qijin Zhang·· 11 小时前AI 评分59
EpiSEM-Bench 提出可执行基准，评估 LLM 智能体在缺失证据下的安全执行与证据恢复
EpiSEM-Bench: Evaluating Safety and Evidence Recovery in LLM Agents under Missing Evidence
AI 导读
论文提出 EpiSEM-Bench，一个可执行基准，用于评估 LLM 智能体在工具返回结果缺少安全相关事实时，是否会执行被禁止的动作。基准包含 300 组匹配的不安全与安全任务对，覆盖六个领域，并通过系统性抑制关键事实来测量不安全执行和最小失败基数。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。