看学术

PrivacyEvalClaw：用于审计 LLM 越狱回复隐私泄露的工具增强审议式代理

论文提出 PrivacyEvalClaw，一个免训练的审议式代理，用于评估 LLM 越狱回复中的隐私泄露。它将评测器和分析模块视为工具，自适应收集证据、调查不确定披露并调和冲突信号后再给出判断。