研究人员开发了ToolFailBench,这是一个新的诊断基准,旨在识别大型语言模型(LLM)代理中特定的工具使用失败。该基准在1000个跨领域任务中评估代理,将失败分为诸如Tool-Skip(跳过工具)、Result-Ignore(忽略结果)和Output-Fabrication(伪造输出)等类型。此外,还引入了一个名为Vera的独立框架,用于对大型语言模型代理进行自动化安全测试,该框架利用三阶段流程来发现和验证代理行为中的风险,特别是在代理与外部工具交互时。Vera在四个代理框架上的评估揭示了显著的安全弱点,攻击成功率高达93.9%。 AI
影响 突出了大型语言模型代理可靠性和安全性方面的关键改进领域,特别是在工具使用和自主行动方面。
排序理由 该集群包含两篇学术论文,介绍了用于评估大型语言模型代理的新基准和框架。
AI 生成摘要 · Google Gemini · 来自 5 个来源。 我们如何撰写摘要 →