AutoGen

该数据集是由流行的开源代理框架AutoGen提供的，它支持构建具有不同拓扑结构的LLM-MAS（大规模语言模型多代理系统）。此外，该框架常被用于实现开放式的多代理系统以进行实验研究。本次任务旨在评估在多代理系统中，阻塞攻击的有效性和效率。This dataset is provided by the popular open-source agent framework AutoGen, which supports the construction of LLM-MAS (Large Language Model Multi-Agent System) with diverse topologies. Furthermore, this framework is frequently utilized to implement open-ended multi-agent systems for experimental research. This task aims to evaluate the effectiveness and efficiency of blocking attacks within multi-agent systems.

搜集汇总

背景与挑战

背景概述

该数据集是论文《Contagious Recursive Blocking Attacks on Multi-Agent Systems Based on Large Language Models》的示例代码仓库，专注于展示多智能体系统（MAS）基于大型语言模型（LLMs）的递归阻塞攻击漏洞。它包含两个核心部分：ChatMASs用于演示开源框架（如AutoGen和CAMEL）的脆弱性，以及open-ended用于验证开放环境下的攻击有效性，提供了安装和实验的详细指南。