arXiv：多智能体 LLM 隐私泄漏与净化研究
热点事件持续更新
arXiv：多智能体 LLM 隐私泄漏与净化研究
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
arXiv 上一项新研究指出，多智能体 LLM 系统（MALS）经常规协作会把信息传播给未授权智能体：拓扑引入的接收方泄露率可从 0% 升至 52.2%，表层泄露稳定在 60.6%–62.8%。作者为此提出 RECONS，一种按接收方与执行上下文而非仅按敏感度决定干预的“检测—决策—转换”净化器。 据论文，RECONS 把残余泄露从无净化时的 96.7% 降至 29.25%，并保留 94.1% 的授权披露；作为对比，一刀切脱敏只保留 20.5%。研究同时指出，检测覆盖率是主要瓶颈，占残余泄露的 95.5%。上述数字均为论文自报结果。 这项研究针对多智能体协作中的隐私风险，提出条件化净化思路，但效果取决于检测覆盖，尚未说明可推广至全部部署场景。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
多智能体 LLM 系统中拓扑驱动的隐私泄露与基于接收方的净化机制 RECONS报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI多智能体 LLM 系统中拓扑驱动的隐私泄露与基于接收方的净化机制 RECONS
多智能体 LLM 系统（MALS）中，信息经常规协作会传播至未授权智能体，拓扑引入的接收方泄露率从 0% 升至 52.2%，而表层泄露稳定在 60.6-62.8%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。