arXiv · AI· Qijin Zhang, Hanzhen Wang, Yuehan Zhao, Haoyu Dai, Yao Shu, Zhongxiang Dai, Shuang Qiu·· 6 小时前AI 评分39
EpiSEM-Bench 提出：LLM Agent 在缺失证据下的安全与证据恢复评估基准
EpiSEM-Bench: Evaluating Safety and Evidence Recovery in LLM Agents under Missing Evidence
AI 导读
研究团队发布可执行基准 EpiSEM-Bench，评估 LLM Agent 在工具响应缺失关键事实时的不安全执行、安全边界及证据恢复能力。 基准包含 6 个领域的 300 组安全/不安全任务对，测试 10 个模型在缺失证据下的表现，揭示模型在鲁棒性与证据获取上的显著差异。
来源：arXiv · AI · arxiv.org