一个名为APEX-Harm的新基准已被开发出来,用于评估AI代理在共享专业工作空间中的安全性,特别是针对注入攻击。该基准模拟了涉及金融、咨询和法律任务的现实场景,包含大量文件和工具。测试显示,即使是Opus 5和Sonnet 5等模型,虽然总体攻击成功率较低,但也容易受到特定任务脚本替换和通用脚本攻击的攻击,这表明正确完成任务并不保证行为安全。 AI
影响 突出了当前AI代理的关键漏洞,表明除了完成任务之外,还需要加强安全措施。
排序理由 该集群描述了一篇介绍AI安全基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →