arXiv · cs.AI· Chengquan Guo, Zhaorun Chen, Zinan Lin, Xiaodong Liu, Bo Li·· 6 小时前
AgentCIScope：面向大语言模型智能体的情境完整性评测
AgentCIScope: Grounded Contextual Integrity Evaluation for LLM Agents
arXiv:2610.19158v1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：Chengquan Guo, Zhaorun Chen, Zinan Lin, Xiaodong Liu, Bo Li
研究任务与主要进展
Chengquan Guo等人提出AgentCIScope，用于评测大语言模型智能体在多步工具调用任务中的情境完整性。该平台和基准将公共及合成隐私案例转化为可执行任务，并依据隐私政策、基于角色的同意和敏感属性分类设定披露约束；基于论文摘要，作者在12个智能体和936项任务上的评测发现，单次运行泄漏率为32.5%至94.4%，重复运行五次后泄漏率进一步增加4至19个百分点。
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