深度分析
MosaicLeaks 基準揭示研究代理人資訊外洩風險與 PA‑DR 隱私感知深度研究成效
研究代理人結合本地機密文件與網路搜尋，可能在查詢紀錄中拼湊出企業私密資訊。HuggingFace與ServiceNow提出MosaicLeaks基準，並以隱私感知深度研究（PA‑DR）強化學習框架，將泄漏率從34%降至約10%，同時提升鏈路成功率至58.7%。
深度分析
研究代理人結合本地機密文件與網路搜尋，可能在查詢紀錄中拼湊出企業私密資訊。HuggingFace與ServiceNow提出MosaicLeaks基準，並以隱私感知深度研究（PA‑DR）強化學習框架，將泄漏率從34%降至約10%，同時提升鏈路成功率至58.7%。
深度分析
隨著企業研究代理人結合本地文件與網路搜尋，資訊外洩風險升高。MosaicLeaks基準將多跳查詢設計為私密與公開資訊交錯，量測三種泄漏類型。研究顯示僅靠提示無法有效防護，反而提升任務表現會增加泄漏。為此，Hugging Face與ServiceNow提出隱私感知深度研究（PA‑DR）強化學習框架，結合情境任務獎勵與隱私罰分，將泄漏率從34%降至約10%，鏈路成功率提升至58.7%。此技術亦為企業部署AI研究代理人提供新方向，未來有望成為隱私保護標準。