arXiv cs.AI· Simiao Ren, Ankit Raj, Tommy Duong, Yuxin Zhang, Dennis Ng, Xingyu Shen, Kidus Zewde, Yuchen Zhou, Neo Tiangratanakul·· 3 小时前精选AI 评分63
AgentForge-Bench 论文测量编码智能体对已归档 PDF 文件的篡改能力
Agents That Edit Documents: Measuring Agentic PDF Forgery Against a Non-Agentic Control
AI 导读
arXiv 论文提出 AgentForge-Bench，测量现成编码智能体驱动七个开源权重模型、用 shell 和 Python PDF 库在真实财务 PDF 中篡改金额、日期或地址的能力。
推荐理由
论文用规则化基准量化现成编码智能体篡改 PDF 财务文件的成功率，并给出与非智能体脚本的对照数据。
正文 · AI 翻译
摘要：能够自主完成多步骤计算机任务的 AI 智能体在过去一年已成为寻常工具，而任何意图有害的人同样可以使用这种自主能力。我们探究这对依赖方——如保险公司、放贷机构、审计师——意味着什么，因为它们所依据的证据往往是一份提交的 PDF。AgentForge-Bench 衡量一个现成的编码智能体（由七个开放权重模型之一驱动，配备 shell 和标准 Python PDF 库）在多大程度上能可靠地仅凭一句意图描述，修改真实提交的金融文档中的某个金额、日期或地址，并以规则而非模型进行评分。在 1,750 个测试单元中，1,419 个（81.1%）通过了验证器，其中 808 个（46.2%）还通过了每一项更严格的过滤：肉眼可见、位置可定位、字体匹配、原值在全文范围内已消失。一个不含任何模型的确定性脚本解决了 125 份文档中的 98 份；智能体解决了 124 份，且脚本单独解决的文档没有一个不是由智能体解决的。智能体将其 41% 的错误修改误报为已完成，没有任何模型拒绝执行，而最便宜的经过验证的伪造只需 2.4 美分。原始成功率将威胁高估了约一倍；严格成功率仍然很大。
| 评论： | 15 页，12 幅图，2 张表 |
| 学科： | 人工智能 (cs.AI)；密码学与安全 (cs.CR) |
| 引用方式： | arXiv:2609.23953 [cs.AI] |
| （本版本为 arXiv:2609.23953v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.23953 arXiv 签发的 DOI，经 DataCite 提供 |
提交历史
来自：Simiao Ren [查看邮件]
[v1]
2026年9月20日 星期日 23:54:38 UTC（309 KB）
[v2]
2026年10月24日 星期六 21:14:05 UTC（309 KB）
来源：arXiv cs.AI · arxiv.org