arXiv· Xiaoyuan Bao·· 11 天前推荐指数58
LeakBench：审计临床建模 Agent 预测时泄漏引发的奖励黑客
LeakBench: Auditing Reward Hacking through Prediction-Time Leakage in Clinical Modeling Agents
AI 导读
LeakBench 是一个可执行、由指南推导出的审计套件，用于检验自主临床建模 Agent 在预测时泄漏、校准、站点级评估、支持感知和决策曲线净收益上的决策。该套件结合一个已知失败结构的合成任务与两个真实数据场景（MIMIC-IV 的 43 万次住院记录、受治理的多医院住院病历首页 MHFP 数据），并以描述性方式使用奖励黑客概念，不归因意图。
来源：arXiv · arxiv.org