ALEval: Измерение воздействия на частную жизнь в ходе сессий агентов ЛЛМ
arXiv: 2609.18864v1 Annuaire Type: перекрестное резюме: оценки конфиденциальности агентов LLM, использующих инструменты, часто проверяют определенные действия, окончательный ответ или отчет о нападении. Эти местные прокси могут упустить несанкционированное воздействие в других местах на многоэтапной сессии, и им недостает общей истины между различными каналами, докладами и инструментами. Мы введем процесс смещения воздействия на частную жизнь, несоответствие между местным опосредованным и мишенно-ориентированным сессионным воздействием и ASLEval — систему, которая предварительно регистрирует скрытый набор целей, измеряет все объявленные видимые выходы и резервирует внутренние следы для диагностики. В различных средах, сходных по типу предприятий, и независимо реализованных графиками работы мы наблюдаем три повторяющихся модели. Только ожидаемый результат обзора не позволяет получить 46,9% воздействия, которое удалось восстановить в рамках союза " видимый выход &qt; ; самосообщения нападавшего сочетают упущения с высоким уровнем ложного открытия; и внутренние доказательства соответствия схемы обычно предвосхищают заметное воздействие на уровне запроса/проверки. Реду