热点事件持续更新

研究团队提出归因图自动化分析工具Circuit Oracle

1 篇报道1 个报道来源21 小时前更新

先了解这件事

AI 综述

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 根据报道生成 · 17 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

13:00
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。

本事件热度走势

当前热度 6·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。