D2D 多智能体辩论攻击可绕过 LLM 事实核查防御
原文标题：Debate to Deceive: Poisoning LLM's Fact-Checking via Game-Theoretic Multi-Agent Debate
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Debate-to-Deceive（D2D），以人类辩论结构与修辞风格为基础构建多智能体辩论框架，通过进化博弈让智能体演化 Logos、Pathos、Ethos 修辞策略，生成语义连贯且抗确认偏误的对抗段落。在 FEVER、HealthVer、CLIMATE-FEVER、SciFact 四个事实核查基准上显著超越现有攻击并规避多数防御。
- 问题
- 现有事实核查攻击手段跨防御不鲁棒，易陷确认偏误与高成本试错。
- 方法
- 提出多智能体辩论框架 D2D，用进化博弈让智能体演化 Logos/Pathos/Ethos 修辞策略，再据此生成对抗段落。
- 结果
- 在 FEVER、HealthVer、CLIMATE-FEVER、SciFact 上显著超越现有攻击并规避多数防御。
- 影响
- 事实核查防线需按对抗性修辞而非模板注入来设计，单靠现有防御不够。
深读 · 结论先行AI 生成展开看要点与影响 ↓
D2D多智能体辩论攻击在四个事实核查基准上超越现有攻击并规避多数防御
- •以人类辩论结构与修辞风格为基础，智能体演化Logos、Pathos、Ethos策略
- •把对抗过程形式化为进化博弈，并解耦策略层与生成层
- •在FEVER、HealthVer、CLIMATE-FEVER、SciFact四个基准上显著超越现有攻击
- •生成的对抗段落语义连贯且抗早期确认偏误
为什么重要：事实核查类防御面对修辞化、多智能体生成的攻击更脆弱，可靠性评估需纳入此类攻击。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。