分析称 ExploitGym 评分器无法防投毒 Agent

有作者对 ExploitGym 仓库中使用 LLM 作为判据检查因果性的官方评分器提出质疑，想知道它能否有效识别并取消被投毒 Agent 的资格。随后该作者检查了评分器和判据提示词，确信 Swarm agents 的判断正确：若使用该评分器，利用作弊标志会污染整个运行过程，导致 Agent 被错误处理。

2026-08-28 ~ 2026-08-28 · 2 条相关