HINTBench: Horizon-agent Intrinsic Non-attack Trajectory Benchmark

评分 7 · 来源：cs.LG updates on arXiv.org · 发布于 2026-04-16

评分依据：首个关注agent内在非攻击性轨迹风险的benchmark，填补安全评估中良性条件下失效的研究空白