Zhiping Zhang, Franklin Mingzhe Li, Zihao Huang, Tianshi Li · 2026 · arXiv
DOI: 10.48550/arXiv.2610.27548 · open-access PDF
عندما يعمل عامل LLM باسم المستخدم، يتوقع أن يعمل داخل نطاق التأمين الذي يمنح المستخدم. تقييم المستخدم الحالي يقيس بشكل كبير إكمال وظيفة أو عواقب ضرورية، وبالتالي يمكن تجاهل العمليات التي تتنافى مع هذه التقييم دون إنتاج أضرار على الأمن التقليدي أو الخصوصي. نحن نقدم AuthorizationBench، نموذج لتقييم التأمين على أساس الحالات الحقيقية المتوفرة في العالم الحقيقي المتوفرة.
Machine translation (Meta M2M100); the English original follows.
When an LLM agent acts on behalf of a user, it is expected to act within the authorization scope the user grants. Existing agent evaluations largely measure task completion or harmful consequences and can therefore overlook actions that violate this delegation without producing conventional safety or privacy harms. We introduce AuthorizationBench, a benchmark of authorization alignment grounded in documented real-world cases. A scalable construction pipeline produces 286 executable tasks spanning situational triggers, the presence or absence of direct harmful consequences, and ten application
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.27548, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange