研究人员推出HINTBench,一个旨在评估AI代理内在安全风险的新基准。与以往关注外部威胁的评估不同,HINTBench解决了在良性条件下,由于潜在故障在长执行过程中传播,AI代理可能进入不安全轨迹的问题。该基准包含596个代理轨迹,分为合成和重建的风险及安全场景,并支持风险检测、定位和故障类型识别等任务。 AI
影响 为评估AI代理的内在安全风险建立了一个新基准,突显了当前模型在细粒度风险定位方面存在的显著能力差距。
排序理由 该条目描述了在arXiv上发布的一个新基准和研究论文,重点关注AI安全评估。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- HINTBench
- Hugging Face
- IArxiv
- Influence Flower
- Jiacheng Wang
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →