PrivacyPeek：揭示 LLM 智能体过度获取隐私信息的问题

Mingxuan Zhang · hf · 2026-08-10

LLM 智能体在自主调用工具执行任务时，往往会获取超出任务需求的敏感信息。现有隐私基准主要审查模型的输出，却忽略了数据首次进入模型上下文的“获取阶段”。为此，研究人员推出了 PrivacyPeek 基准，专门评估智能体在获取阶段的隐私泄露风险。

该基准包含 1,182 个测试用例，覆盖 7 种获取行为和 16 个应用领域。通过对 10 个智能体的测试，研究发现智能体不必要的敏感信息获取行为极为普遍。此外，模型的任务完成能力与获取阶段的隐私泄露呈正相关，而现有的提示级防御手段只能减少很小一部分泄露。