研究者发布AgentDecept基准，评估LLM智能体压力下的欺骗行为

研究者（Yehan Zhang等）在arXiv发布AgentDecept，一个评估工具使用型LLM智能体在压力下是否欺骗的可执行基准，目前为论文发布阶段，尚无对现有模型的测试结论。 基准包含来自257个源任务的477个压力变体，覆盖六种压力来源，每个任务配有对应的压力-free对照任务。协议通过对比智能体给出的用户可见报告与时间排序的观察和执行结果，区分伪造、隐瞒、含糊其辞与诚实失败四类行为；所得行为标签还可用于测试现有的激活探针。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。