arXiv cs.CR· Krishna Kanth Nakka, Yujun Wang, Shijie Zhou, Tu Nguyen, Gabriele Gelardi, Xuebing Zhou·· 7 小时前AI 评分47
PrivacyEvalClaw：一种用于审计 LLM 越狱响应隐私泄露的工具增强型深思智能体
PrivacyEvalClaw: A Tool-Augmented Deliberative Agent for Auditing Privacy Leakage in LLM Jailbreak Responses
AI 摘要
PrivacyEvalClaw 是一种无需训练的深思智能体，专门用于评估大语言模型越狱响应中的隐私泄露。该工具将评估器与分析模块作为可调用的工具，自适应地收集证据、调查不确定披露并调和冲突信号，最终生成明确推理轨迹。实验显示其在结果、过程和整体质量上均优于现有基线，显著提升了评估的透明度与可审计性。
来源：arXiv cs.CR · arxiv.org