跳到正文
arXiv · NLP· Marco Molinari, Gabriele Bettineschi·· 17 天前AI 评分50

基于 J-space 检测多智能体系统的共谋行为

Multi-Agent Collusion and the J-Space

AI 导读

研究证实共谋智能体的 J-space 包含共谋信息,在 NARCBench 基准中 86% 的共谋者表现出误导性表征。 提出的 J-PACT 方法在 GPT-OSS-20B、Llama-3.3-70B-IT、Qwen3-32B 及 DeepSeek-V4-Flash 上保留 85% 的 AUROC,并识别 99% 的共谋对。 该无监督方法为监测多智能体系统中的隐蔽协调提供了新工具。

来源:arXiv · NLP · arxiv.org