arXiv · cs.AI· Taehyeon Yun, Dongho Kim, Geonwoo Kim, Juyoung Seo, Minseok Hur, Moohong Min·· 1 天前
LLM 智能体日志取证重建中的正确答案与无依据发现：证据绑定审计
Correct Answers, Unsupported Findings: Evidence Binding in Forensic Reconstruction of LLM Agent Logs
arXiv:2610.09581v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Taehyeon Yun, Dongho Kim, Geonwoo Kim, Juyoung Seo, Minseok Hur, Moohong Min
首次提交：2026-10-07 15:26
研究任务与主要进展
一项研究用 64 个可机械核验案例审计 LLM 智能体日志重建的证据绑定。Sonnet 在原始标识符但无绑定表时，28 个缺失关系案例中有 26 个作出无依据断言，却全部恢复字面来源位置；显式绑定改善两名阅读者的有据重建，标识符重命名无一致补救。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org