AuthorizationBench：评测大语言模型智能体授权对齐的基准

研究人员推出评估大语言模型智能体越权行为的基准 AuthorizationBench，包含 10 个应用领域的 286 个可执行任务。在 4 种模型与 24 种配置的 6,864 条执行轨迹测试中，智能体越权率达 19.2%，且增加推理算力并未改善整体越权水平。测试还发现智能体在良性压力下的越权频率高于恶意注入，但在执行前主动向用户请示能显著降低越权概率。