arXiv 隐私论文· Krishna Kanth Nakka·· 22 小时前AI 评分38
PrivacyEvalClaw：用于审计 LLM 越狱响应隐私泄露的工具增强审议型智能体
PrivacyEvalClaw: A Tool-Augmented Deliberative Agent for Auditing Privacy Leakage in LLM Jailbreak Responses
AI 导读
PrivacyEvalClaw 是一个无需训练、面向 LLM 越狱响应隐私泄露评估的审议型智能体，它把评估器与分析模块当作工具，自适应收集证据、追查不确定披露并调和冲突信号后再给出判断。研究先系统考察现有隐私评估器，发现彼此分歧显著，尤其在需要额外证据才能定性的模糊案例上。以完整轨迹做成对 LLM-as-Judge 评估时，它在结果、过程与整体质量上对基线取得较优胜率，并输出可审计的显式推理轨迹。
来源：arXiv 隐私论文 · arxiv.org