研究者发布MosaicLeaks隐私基准
热点事件持续更新
研究者发布MosaicLeaks隐私基准
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Alexander Gurung等作者提出MosaicLeaks基准,用1,001个多跳深度研究任务把私有企业文档与公开网络语料串联,迫使深度研究智能体发起依赖本地信息的外部查询。 作者用只观察外部查询的对抗LLM评估,称各模型家族与规模在研究意图、私有问题答案和可验证声明三个层面普遍泄露信息;零样本隐私提示效果不一致,仅针对任务性能的强化学习反而加剧泄露。 同一发布还提出PA-DR强化学习框架,但报道未给出其效果数据。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
MosaicLeaks:深度研究智能体开放查询中的隐私风险报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.CLMosaicLeaks:深度研究智能体开放查询中的隐私风险
研究者提出 MosaicLeaks 基准,含 1,001 个多跳深度研究任务,将私有企业文档与公开网络语料串联,迫使智能体发起依赖本地信息的外部查询。用仅观察外部查询的对抗 LLM 评估发现,各模型家族与规模普遍在研究意图、私有问题答案和可验证声明三个层面泄露信息,零样本隐私提示效果不一致,仅针对任务性能的强化学习反而加剧泄露。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。