ホットトピック観察中
研究团队提出归因图自动化分析工具Circuit Oracle
1 件の報道1 件の報道元1 日前 更新
まずこの件を把握する
AI 概要
2026年11月3日，研究团队在arXiv发布成果，提出归因图自动化分析工具Circuit Oracle。该工具为现成大语言模型配备多智能体框架与专用技能，使其能够通过工具调用读取归因图，进而回答关于目标模型的自然语言安全问题。评估结果显示，Circuit Oracle在伪特征检测任务中的准确率达到78.2 ± 2.4%，优于单层特征排序基线；但在隐藏知识引出以及包含50个提示词的拒绝抑制越狱任务中表现参半，其中越狱任务仅在允许进行5次尝试并取最优结果时才超过了均值差基线。
AI が報道をもとに生成 · 21 時間前 更新
最新の進展11月3日 13:00
研究团队提出Circuit Oracle，可通过多智能体框架读取归因图回答模型安全问题。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月3日
- arXiv 自然语言处理Circuit Oracle：通过自然语言查询实现归因图分析自动化
研究团队提出 Circuit Oracle，为现成 LLM 配备多智能体框架与专用技能，通过工具调用读取归因图以回答关于目标模型的自然语言安全问题。在伪特征检测任务中，其准确率达到 78.2 ± 2.4% 并优于单层特征排序基线；但在隐藏知识引出和 50 个提示词的拒绝抑制越狱任务中表现参半，且后者仅在允许 5 次尝试取最优时超过均值差基线。
このストーリーのホット度の推移
現在のホット度 5·比較可能範囲のピーク 9（11月3日 18:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。