跳到正文
热点事件持续更新

发布SEAM基准:测试智能体跨屏组合伤害

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

论文作者发布SEAM(Safety Execution Across Multiple screens)基准,用于评估计算机使用智能体在跨屏场景下的组合性伤害风险。目前该基准已随生成器和质量控制工具一并公开,用于测试而非结论性排名。 SEAM包含600个基于OSWorld的多步、跨应用任务:每个任务的指令和单屏观察内容均无害,只有组合执行后才产生有害结果。评分通过服务器日志而非LLM裁判进行,以避免模型判断的不确定性。

AI 根据报道生成 · 1 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19日
  1. arXiv cs.AI精选
    SEAM 基准揭示计算机使用智能体跨屏组合执行有害任务

    研究者发布 SEAM(Safety Execution Across Multiple screens)基准,包含 600 个 OSWorld 多步跨应用任务,指令与每屏观察均无害、仅组合后有害,并经服务器日志而非 LLM 裁判打分。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。