PulseAugur
中
实时 11:02:08
实体 harmful actions

harmful actions

PulseAugur coverage of harmful actions — every cluster mentioning harmful actions across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_193923 ·

    新基准揭示AI代理易受有害行为攻击

    研究人员开发了一个名为BAD-ACTS的新基准，用于评估AI代理系统在对抗性攻击下诱导有害行为的鲁棒性。该基准包含五个不同的代理系统实现和一个近700个对抗性样本的数据集。测试显示，当前代理系统非常脆弱，恶意行为的成功率根据底层模型不同，范围在40%到90%之间。该研究还提出了一种基于零样本消息监控的防御机制来缓解这些风险。