Un equipo dirigido por Soumya Sharma publicó un nuevo benchmark, CIMEMORIES DIALOGUE, con 4,410 conversaciones entre dos agentes para evaluar las filtraciones de datos privados. El equipo probó el benchmark con siete modelos de pesos abiertos de las familias Qwen‑3 y Llama‑3.1. El estudio muestra que los modelos que rinden mejor en las tareas también filtran más información privada, sobre todo cuando se usan indicaciones de cadena de pensamiento. Las filtraciones aumentaron hasta tres veces cuando las conversaciones pasaron de un turno a seis.
Por qué importa
Las empresas que usan agentes LLM podrían afrontar mayores riesgos para la privacidad al adoptar modelos más capaces.
