两阶段审计定位工具轨迹标签捷径

2026年10月20日，arXiv Artificial Intelligence 刊出 Junhao Liu 等作者的论文，提出一种针对 Agentic LLM 工具调用轨迹的两阶段审计方法，用于识别轨迹中隐藏的标签捷径。第一阶段 PT2D 将标签预测性模式定位到单个工具结果；第二阶段 Token-Class Redaction 通过反事实检验，判断冻结模型是否依赖该捷径。作者在 TCR-pMHC 结合预测任务中应用该方法：工具增强显著优于无证据基线，但审计发现最强信号来自某一工具结果中的标识符，删除该标识符后性能降至随机水平。论文以“我们引入两阶段审计”表述其方法定位，报道未披露更多任务范围、适用模型或发布时间之外的限制。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。