arXiv · cs.AI· Hasan Demirkiran, Jens Ernstberger·· 7 小时前
AI 智能体安全评估中的捷径敏感性分析
Shortcut Sensitivity in Agent-Safety Evaluations
arXiv:2610.22243v1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：Hasan Demirkiran, Jens Ernstberger
研究任务与主要进展
作者提出三层捷径审计框架，审计 LinuxArena、AgentDojo-Traj 和 AgentHarm-Traj 中安全守卫的标签捷径与决策敏感性。
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