Helpful to a Fault: Measuring Illicit Assistance in Multi-Turn, Multilingual LLM Agents

En 3 lignesSTING est un framework de red-teaming automatisé qui évalue la vulnérabilité des agents LLM aux scénarios d'abus multi-tours. Il construit des plans illicites étape par étape avec personas bienveillantes et utilise des agents juges pour suivre la progression. Tests sur 6 langues non-anglaises montrent que le succès d'attaque ne croît pas systématiquement dans les langues à faibles ressources.

Résumé généré par Claude — vérifié par l'humain