实体 EpiSEM-Bench

EpiSEM-Bench

PulseAugur coverage of EpiSEM-Bench — every cluster mentioning EpiSEM-Bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_317507 · Oct 23 · 04:00

新基准评估大语言模型代理在缺失证据下的安全性

研究人员开发了 EpiSEM-Bench，一个旨在评估语言模型代理在缺失证据场景下的安全性和证据恢复能力的新基准。该基准特别针对工具响应中遗漏关键事实的场景，这些遗漏可能导致代理在收到良性用户请求时执行违禁操作。EpiSEM-Bench 包含六个领域共 300 个任务对，用于衡量不安全执行情况以及代理从缺失证据中恢复的能力。测试显示，在遗漏处理、证据获取和适当行动方面的鲁棒性方面，十个被评估模型之间存在显著差异，这表明虽然恢复机制可以…