ObligationBench与ObligationGuard：评估LLM智能体安全义务识别
热点事件持续更新
ObligationBench与ObligationGuard：评估LLM智能体安全义务识别
2 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Feng等研究者在arXiv论文（基于摘要）中提出ObligationBench，称其为首个评估义务识别能力的基准，包含240条经专家验证的轨迹，覆盖问题解决、功能开发和终端操作场景，用于评估模型识别LLM智能体应执行但未履行的安全义务的能力。 作者同时推出基于40,000条合成训练样本训练的守卫模型ObligationGuard，召回率达57.52%、完全匹配率为21.67%，在两项指标上均超过所有被评估模型；被评估模型中最高召回率和完全匹配率分别仅为48.97%和10.00%。
AI 根据报道生成 · 2 小时前更新
最新进展10月19日 12:00
论文提出 ObligationBench 与 ObligationGuard 识别智能体未履行的安全义务报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.AI论文提出 ObligationBench 与 ObligationGuard 识别智能体未履行的安全义务
基于论文摘要，作者提出 ObligationBench，用于评估 Guard 模型识别智能体应执行但尚未执行的安全义务；其基准包含 240 条专家验证轨迹，覆盖问题解决、功能开发和终端操作。
10月14日
- arXiv · cs.AI研究提出 ObligationGuard 与 ObligationBench，识别LLM智能体未履行的安全义务
基于论文摘要，作者提出 ObligationBench，用于评估模型识别LLM智能体未履行安全义务的能力，并推出基于40,000条合成训练样本训练的 ObligationGuard。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月19日 15:00
- 近 24 小时变化
- –
02.557.510
10月15日10月16日10月17日10月18日10月19日
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。