Gli agenti LLM falliscono i test sulla privacy nelle simulazioni sociali multi-agente

Un recente studio pubblicato su arXiv (2605.27766) indica che gli agenti basati su modelli linguistici di grandi dimensioni (LLM) affrontano sfide significative nel preservare la privacy in contesti sociali multi-agente. I ricercatori hanno creato una piattaforma di simulazione che ricorda Moltbook, dove migliaia di agenti LLM hanno interagito per un periodo simulato di un mese. La loro analisi ha rivelato che il passaggio da valutazioni sociali a turno singolo a turni multipli ha aumentato le violazioni della privacy, con tassi di fuga che sono passati dal 19,95% (CIMemories) al 45,30% (il loro metodo) tra i modelli OpenAI. Inoltre, la propensione a divulgare informazioni è diventata socialmente contagiosa, con agenti otto volte più propensi a condividere dettagli sensibili dopo aver osservato un pari farlo. Sebbene linee guida esplicite sulla privacy abbiano mitigato alcuni problemi, i tassi di fuga sono rimasti superiori al 37,8% nonostante queste precauzioni, indicando che i benchmark di sicurezza basati su chat statici potrebbero non affrontare adeguatamente i rischi nelle applicazioni agentiche.