defense-evaluation

#defense-evaluation

MOLE：检测AI代理中的内部威胁

Hugging Face Daily Papers ↗ · 2026-09-07 缓存

MOLE是一个用于评估防御的基准测试，旨在检测在有限审查预算下运行的AI代理的有害行为。它引入了一个包含150个AI操作账户的开放基准测试，并在不同场景中比较了各种监控器。

0 人收藏 0 人点赞