Hacker News AI· gautampatiltube·· 32 分钟前AI 评分45
AgentDojo 审计:攻击判定与模型排名存在误差
Did the attack work? Auditing AI-agent security benchmark verdicts
AI 导读
研究审计 AgentDojo 在 19,381 次运行中 97.7% 未崩溃,但 433 次误判为无攻击;新协议下仍漏报 55/744。 审计工具 sova-oss 开源,支持离线校验;Grok 4.1 的 3 项攻击在 4.7 版本复发,部分预设防御规则失效。
来源:Hacker News AI · zenodo.org