arXiv· Leonidas Raghav·· 20 小时前推荐指数62
arXiv 论文：用线性探针在 Agent 泄密前最后一刻预警其即将屈服
Pre-Crime for Agents, at the Last Second: Probing When a Recruited Agent Gives In
AI 导读
论文提出在多智能体场景中，用线性探针读取 Agent 激活值，在其输出生成前预测它是否即将屈服于同伴压力泄露机密。
来源：arXiv · arxiv.org
arXiv 论文：用线性探针在 Agent 泄密前最后一刻预警其即将屈服