Newest papers

Act on Your Behalf, Beyond Your Authorization: Benchmarking LLM Agent Authorization Alignment

Zhiping Zhang, Franklin Mingzhe Li, Zihao Huang, Tianshi Li · 2026 · arXiv

DOI: 10.48550/arXiv.2610.27548 · open-access PDF

Vietnamese

Khi một đại lý LLM hành động thay mặt cho một người dùng, nó được dự kiến sẽ hành động trong phạm vi ủy quyền mà người dùng cấp. Đánh giá đại lý hiện có chủ yếu đo lường việc hoàn thành nhiệm vụ hoặc hậu quả có hại và do đó có thể bỏ qua các hành động vi phạm ủy quyền này mà không gây ra thiệt hại an ninh thông thường hoặc quyền riêng tư. Chúng tôi giới thiệu AuthorizationBench, một tiêu chuẩn của sự sắp xếp ủy quyền dựa trên các trường hợp thực tế được tài liệu. Một đường ống xây dựng có thể mở rộng tạo ra 286 nhiệm vụ có thể thực hiện bao gồm các yếu tố kích hoạt tình huống, sự hiện diện hoặc không có hậu quả có hại trực tiếp, và mười ứng dụng

Machine translation (Meta M2M100); the English original follows.

Abstract

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

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange