arXiv · cs.AI · Junchi Liao, Qiang Huang, Rui Qian, Xutao Mao, Juntao Cheng, Kangning Cui, Yu Li, Jingyu Sun, Yuchao Hou · 5 小时前模型评分42
研究审计 大语言模型（LLM，Large Language Model） 智能体动作选择中的来源敏感性
Auditing Provenance Sensitivity in LLM Agent Action Selection
导读
一项研究提出按工具和参数目标分别标注上下文因素的授权审计方法，在 450 个受控下一动作任务中测试多个开源权重 大语言模型（LLM，Large Language Model） 系列。可信与不可信证据变体在竞争性案例中有 5.4% 产生不同动作，支持性案例中为 1.7%；受控退化下未经授权的竞争影响在 2.4% 的比较中被保留。模型会响应文本来源权威线索，但这并不能阻止不可信证据影响其动作。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce a target-specific authorization audit that labels context factors separately for each tool and argument target.”
- “These are controlled stress-set rates, not deployment prevalence.”
来源：arXiv · cs.AI · arxiv.org