arXiv Artificial Intelligence· Aaron Rose, Carissa Cullen, Sahar Abdelnabi, Philip Torr, Brandon Gary Kaplowitz, Christian Schroeder de Witt·· 18 小时前AI 评分36
通过多智能体可解释性检测多智能体串谋
Detecting Multi-Agent Collusion Through Multi-Agent Interpretability
AI 导读
研究者提出 NARCBench 基准和五种探测技术，通过聚合各智能体的欺骗分数在群体层面识别多智能体串谋，并在 Qwen3-32B、Llama-3.1-70B、DeepSeek-R1 32B、GPT-OSS-20B 四个开源权重模型和六种探针架构上评估。
来源：arXiv Artificial Intelligence · arxiv.org