★ 3
团队对 53 个开源 AI 智能体做行为测试并提交 37 个缺陷
Defuzex 团队对 53 个开源 AI 智能体进行行为测试，共提交 37 个 bug，覆盖工具调用、权限边界与异常处理等问题。结果说明开源智能体在可靠性与安全性上仍有明显短板，也为开发者提供了可复用的测试方法参考。
Hacker News – AI15 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
Defuzex 团队对 53 个开源 AI 智能体进行行为测试，共提交 37 个 bug，覆盖工具调用、权限边界与异常处理等问题。结果说明开源智能体在可靠性与安全性上仍有明显短板，也为开发者提供了可复用的测试方法参考。
论文提出 CuBEs 框架，将文化情境注入LLM行为测试场景与评估流程，并构建覆盖12种文化的人工标注数据集。对13个开源与闭源模型评估发现，文化情境会显著改变谄媚、偏见等行为的表现，非西方情境会暴露宗教、殖民等不同偏见维度。研究指出文化无关的通用评估无法捕捉这些差异，呼吁全球部署采用文化情境化测…