Industry & Practice · Tagged “守卫”

Research & Benchmarks/2026-10-27/24 min

智能体安全评测中的捷径敏感性

Demirkiran 与 Ernstberger 审计 LinuxArena、AgentDojo-Traj 和 AgentHarm-Traj：命令长度的 AUC 到 .910，精确工具查找在领域留出下从 F1 .901 掉到 .495。改写 INFORMATION 标记让 Haiku 少拦截 8.33 个百分点，同一编辑在 Luna 上是 0。