refusal-calibration

标签

#refusal-calibration

BLINDSPOT: 长期工具使用智能体的安全与拒绝校准基准测试

arXiv cs.AI ↗ · 2026-09-16 缓存

本文介绍了 Blindspot，一个用于长期工具使用大语言模型（LLM）智能体轨迹级安全校准的基准测试，通过自适应对抗交互评估模型在多个安全指标上的表现。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈