arXiv · AI· Youting Wang, Xiao Han, Dingyan Shang, Yuan Tang, Bowen Liu·· 8 小时前AI 评分28
智能体安全基准的有效性审计：安全并非仅靠能力
Safety, or Just Capability? A Validity Audit of Agent-Safety Benchmarks
AI 导读
研究验证了 R-Judge、InjecAgent、AgentHarm 和 AgentDojo 等四个智能体安全基准，指出其得分不可互换为单一安全指标。 官方评分器下，R-Judge 的“总是阳性”策略即可达 0.690 高分，而四个基准对 18 个模型的排序结果各不相同。
来源：arXiv · AI · arxiv.org