提出TG-CI多智能体隐私框架与MAPLE-Bench基准

Hengyu Wu 等人在 arXiv 发表论文，提出 TG-CI（任务图上下文完整性）框架，据作者称为首个针对多智能体系统的任务图级上下文完整性形式化方法，并发布 MAPLE-Bench 基准。该框架将工作流表示为多智能体任务图（MATG），用 Full-Scope 与 Auto-Region 两种授权策略约束信息传播范围。 作者报告的实验结果：相对 Local-History CI 基线，TG-CI 将平均未授权披露次数减少 85.8%–94.1%，同时保留基线 93.6%–96.1% 的任务准确率；MAPLE-Bench 包含四个场景共 144 个案例。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。