MisVisAgentBench：误导性图表使Web智能体成功率降34个百分点
原文标题：When Charts Deceive Web Agents: A Paired Benchmark for Misleading Visualization-Grounded Tasks
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。
研究者发布 MisVisAgentBench，首个成对可执行基准，用于评估误导性可视化对 Web 智能体执行的影响。该基准包含 280 个任务实例，以干净-误导图表配对呈现，仅图表证据不同。在 13 个视觉语言 Web 智能体上测试显示，替换为误导图表后平均任务成功率下降超过 34 个百分点，且失败主要沿预设误导分支发生，说明欺骗性图表会系统性改变智能体决策。
- 问题
- Web 智能体把图表当中间证据，误导性可视化会系统性带偏其下游操作。
- 方法
- 构建首个成对可执行基准 MisVisAgentBench，280 个任务以干净-误导图表配对，仅图表证据不同。
- 结果
- 13 个视觉语言 Web 智能体平均任务成功率下降超 34 个百分点，失败主要沿预设误导分支发生。
- 影响
- 图表鲁棒性是 Web 智能体安全中被忽视的一环，自动化流程需对可视化证据做可信度校验。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MisVisAgentBench：换成误导图表后，13 个 Web 智能体平均成功率掉超 34 个百分点
- •基准含 280 个任务实例，以「干净—误导」成对呈现，两组仅图表证据不同
- •在 13 个视觉语言 Web 智能体上测试，替换为误导图表后平均任务成功率下降超过 34 个百分点
- •失败主要沿预设的误导分支发生，说明是系统性重定向，而非随机扰动
- •提供诊断框架，把误导导致的失败与基线任务难度区分开，并捕捉额外浏览步数、决策犹豫等执行层影响
为什么重要：Web 智能体把图表当中间证据，误读会传导成真实操作；这条把「可视化鲁棒性」提为 Agent 安全的新维度，对做浏览器 Agent 的团队是必查项。
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。