生成模型研究情境完整性下的信息分享
热点事件观察中
生成模型研究情境完整性下的信息分享
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年11月6日，arXiv Artificial Intelligence 刊出 Omer Ebead 等作者的论文，提出一个上下文完整性（CI）生成模型，用于研究信息分享何时恰当、何时不当。该研究让两个由大语言模型扮演的角色通过模拟对话交换信息：一方持有隐私信息，另一方索取。实验显示，角色会在信息被需要时把信息分享给有权获取的人，但也会泄露给无权接收者。据该报道，这一模型可用于研究披露与拒绝行为如何随情境、持有者的决策逻辑、性格倾向和底层语言模型而变化；论文已被 NeurIPS 2026 接收为主会议论文。目前进展停留在论文发布与接收阶段，报道未提及后续实验或应用。 需要说明的是，上述实验结论均来自该篇报道对论文内容的转述，报道本身未给出具体数据或实验规模，因此这些说法仅代表该来源的表述。
AI 根据报道生成 · 2 天前更新
最新进展11月6日 13:00
用生成模型研究上下文完整性：信息分享何时恰当、何时不当报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv Artificial Intelligence用生成模型研究上下文完整性：信息分享何时恰当、何时不当
研究者构建了一个上下文完整性（CI）生成模型，让两个由大语言模型扮演的角色通过模拟对话交换信息，一方持有隐私信息、另一方索取。实验显示，角色会在信息被需要时分享给有权获取的人，但也会泄露给无权接收者。该模型可用于研究披露与拒绝行为如何随情境、持有者的决策逻辑、性格倾向和底层语言模型而变化，论文已被 NeurIPS 2026 接收为主会议论文。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 711月7日 03:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0011月8日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。