AfterDeleteBench基准揭示LLM删除记忆后信息残留漏洞
热点事件持续更新
AfterDeleteBench基准揭示LLM删除记忆后信息残留漏洞
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究团队推出了名为AfterDeleteBench的基准工具，用于审计大型语言模型智能体在删除记忆后，信息仍可通过衍生状态恢复的失效模式。该基准针对固定权重的LLM智能体进行受控行为审计。 在主要测试中，针对Qwen2.5-7B-Instruct模型的单次查询实验显示，已删除秘密的恢复比例约为三分之二。与此同时，未暴露对照组的信息恢复率为零，证实了删除操作未能彻底清除底层信息残留的风险。
AI 根据报道生成 · 3 小时前更新
最新进展10月23日 12:00
AfterDeleteBench 揭示 LLM Agent 删除记忆后的信息持久化漏洞报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv · NLPAfterDeleteBench 揭示 LLM Agent 删除记忆后的信息持久化漏洞
研究团队推出 AfterDeleteBench，用于审计 LLM Agent 删除记忆后信息仍可通过衍生状态恢复的失效模式。 在主要测试中，单次查询使 Qwen2.5-7B-Instruct 恢复已删秘密的比例达约三分之二，而未暴露对照组恢复率为零。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月23日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。