DeCompBench：面向分解攻击的 LLM 智能体安全基准

研究者提出 DeCompBench，一个专门评估 LLM 智能体在分解攻击下安全性的基准，采用图形化框架按"设计即分解"原则将有害任务拆解为单独无害且可执行的子任务。实验显示，最先进智能体对整体有害任务的拒绝率很高，但对分解后变体的拒绝率显著下降，且常在不经意间完成对抗目标。数据集已公开。