LLMエージェントの安全性と証拠回復を評価する新ベンチマーク
チージン・チャン (Qijin Zhang) 氏ら複数の研究者は2026年10月22日(現地時間)、大規模言語モデル (LLM) エージェントにおける証拠不足時の安全性と証拠回復能力を評価する実行可能なベンチマーク「EpiSEM-Bench (エピセム・ベンチ)」を発表した。ツールを使用するLLMエージェントは、環境的事実に依存して行動の許可を判断するため、ツール応答から安全関連の事実が省略されると、ユーザーの要求が安全であっても禁止された行動を実行する可能性がある。EpiSEM-Benchはこの課題に対応する。