FinVault: Benchmarking Financial Agent Safety in Execution-Grounded Environments
यह शोध पत्र FinVault को प्रस्तुत करता है, जो वित्तीय एजेंटों के लिए पहला निष्पादन-आधारित (execution-grounded) सुरक्षा बेंचमार्क है, जो नियामक केस-संचालित सैंडबॉक्स परिदृश्यों का उपयोग करके यह प्रकट करता है कि वर्तमान रक्षा तंत्र वास्तविक दुनिया के हमलों के विरुद्ध काफी हद तक अप्रभावी बने हुए हैं, जिसमें अत्याधुनिक मॉडल अभी भी 50% तक उच्च हमले की सफलता दर प्राप्त कर रहे हैं।