arXiv·· 15 天前AI 评分24
Agent 安全基准中的威胁保持表示敏感性（TPRS）
Threat-Preserving Representation Sensitivity in Agent-Security Benchmarks
AI 导读
研究提出威胁保持表示敏感性（TPRS），用于衡量在保持底层任务、有害动作与安全机制不变、仅改变智能体可见表示时，攻击成功率（ASR）的变化幅度。该工作质疑 LLM 智能体安全基准普遍以 ASR 比较模型与防御机制的假设，指出基准表示本身也会影响测量结果。
来源：arXiv · arxiv.org