PulseAugur
中
实时 11:35:11
实体 LPS-Bench

LPS-Bench

PulseAugur coverage of LPS-Bench — every cluster mentioning LPS-Bench 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_280239 ·

    新的LPS-Bench基准揭示了AI代理的安全缺陷

    研究人员开发了LPS-Bench,一个旨在评估计算机使用代理(CUAs)在长期规划任务中安全意识的新基准。该基准通过使用模板驱动的管道来生成指令、工具包和安全标准,然后由人工审核,解决了为不同场景创建可执行环境的挑战。LPS-Bench包含7个任务领域和9种规划风险类型的570个案例,并使用基于LLM的评估器在执行过程中评估工具选择和响应。使用LPS-Bench对13个LLM代理进行的初步评估显示,在良性和对抗性条件下都存在严重的安全…