如何优秀的大语言模型代理能模拟终端用户的安全与隐私态度与行为
计算机与社会
2026-02-25 v2 人工智能
计算与语言
密码学与安全
摘要
越来越多的研究假设，大语言模型（LLM）代理可作为人们对安全与隐私（S&P）威胁形成态度和行为的代理。如果正确，这些模拟可以为产品部署前预测 S&P 风险提供可扩展的方式。我们使用 SP-ABCBench 进行检验，这是一个新的基准，包含30项测试源自经验证的 S&P 人体实验，衡量模拟结果与人体实验在0-100比例尺上的对齐程度（更高分表示在三个维度：态度、行为和连贯性方面的对齐更好）。评估了十二个大语言模型、四种人格构建策略和两种提示方法，我们发现仍有显著提升空间：所有模型平均得分在50至64之间。更新、更大、更聪明的模型并不一定表现更好，甚至有时更差。某些模拟配置确实产生高水平对齐：例如，当代理被提示应用有限理性并权衡隐私成本与感知收益时，某些行为测试得分可超过95。我们发布 SP-ABCBench 以支持可重复评估，促进方法的进步。
引用
@article{arxiv.2602.18464,
title = {How Well Can LLM Agents Simulate End-User Security and Privacy Attitudes and Behaviors?},
author = {Yuxuan Li and Leyang Li and Hao-Ping Lee and Sauvik Das},
journal= {arXiv preprint arXiv:2602.18464},
year = {2026}
}