arXiv · cs.AI· Aniruddh Pramod, James Oldfield, Adel Bibi·· 1 天前
作者提出统一的LLM智能体滥用监测基准
Towards a Unified Misuse Monitoring Benchmark
arXiv:2610.07089v1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：Aniruddh Pramod, James Oldfield, Adel Bibi
研究任务与主要进展
作者提出统一的LLM智能体滥用监测基准，将分解攻击与提示注入纳入轨迹级评估。基准包含约6,200条带有伤害窗口标注的用户、智能体与外部环境对话，并比较17种监测器配置；动作框架监测器在两类威胁上的AUC分别为0.95和0.99，而内容框架监测器在提示注入攻击上的AUC仅为0.52，研究还发现传统位置无关指标会高估伤害定位能力。
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