跳到正文
热点事件持续更新

审计发现 AgentDojo 将 433 次攻击运行误标为安全

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

对 AgentDojo 的审计发现,433 次运行被评分为“无攻击”,尽管智能体执行了攻击者的操作。AgentDojo 是一个用于测试 AI 智能体能否抵御提示注入攻击的基准。审计还称其漏掉了 744 个案例中的 55 个。审计作者发布了一款工具,可在选定模型上重新运行 AgentDojo 的发现结果,并封存证据以供离线校验和验证;该工具已在 PyPI 上发布。这些发现来自一篇尚未经过同行评审的预印本,因此错误率是审计者自己的说法,而非经独立确认的结果。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. Hacker News · AI
    审计发现,AgentDojo 将 433 次运行评为无攻击,尽管智能体执行了攻击者的操作

    它漏掉了 744 次中的 55 次。x 将其评为已受攻击的回复标记为警告。PyPI 上为 0)用于审计判定结果,在选定模型上重新运行 AgentDojo 的发现,并封存证据以供离线校验和验证;该预印本未经同行评审。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月20日 01:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。