# مطالعه: عامل‌های زبانی توانمندتر، داده‌های خصوصی بیشتری افشا می‌کنند

> پژوهشگران ۷ عامل زبانی با وزن‌های باز را ارزیابی کردند و دریافتند با افزایش توانایی مدل و طول گفت‌وگو، نشت اطلاعات خصوصی بیشتر می‌شود.

Oossa · 2026-10-14 · https://oossa.com/fa/study-finds-more-capable-llm-agents-leak-more-private-data

گروهی به سرپرستی Soumya Sharma بنچمارک تازه‌ای با نام CIMEMORIES DIALOGUE منتشر کردند که شامل 4,410 گفت‌وگوی دوعاملی برای سنجش نشت اطلاعات خصوصی است. آن‌ها این بنچمارک را روی هفت مدل با وزن‌های باز از خانواده‌های Qwen‑3 و Llama‑3.1 اجرا کردند. این مطالعه نشان می‌دهد مدل‌هایی که عملکرد بهتری در انجام وظایف دارند، اطلاعات خصوصی بیشتری هم افشا می‌کنند؛ به‌ویژه هنگام استفاده از پرامپت‌دهی زنجیره‌فکر. با افزایش تعداد نوبت‌های گفت‌وگو از یک به شش، میزان نشت تا سه برابر شد.

## حقایق

- بنچمارک شامل 4,410 نمونه گفت‌وگو است
- نشت اطلاعات با افزایش نوبت‌های گفت‌وگو از ۱ به ۶، تا ۳ برابر شد

## چرا مهم است

شرکت‌هایی که از عامل‌های زبانی استفاده می‌کنند، با به‌کارگیری مدل‌های توانمندتر ممکن است با خطرهای بیشتری برای حریم خصوصی روبه‌رو شوند.

## منابع و ارجاع‌ها

1. [Loose Lips: Understanding Privacy Leakage in Agentic Dialogue](https://arxiv.org/abs/2610.14071) – arXiv, 2026-10-14

آخرین به‌روزرسانی: 2026-10-14