AgentSocialBench 首次系统评估了一个日益紧迫的问题：当 AI 智能体组成社交网络为人类服务时，隐私如何保护？
随着 OpenClaw 等个性化 LLM 智能体框架的兴起，多个 AI 智能体代表不同用户在社交网络中协作已成为现实。这带来了全新的隐私挑战：智能体需要跨域协作、在人与人之间调解，同时保护敏感个人信息。基准覆盖 7 个场景类别，包含双方和多方交互，基于真实用户画像构建分层敏感度标签和有向社交图。
最关键的发现是”抽象悖论”：教智能体对敏感信息进行抽象化的隐私指令，反而导致智能体更多地讨论该信息。这说明仅靠 prompt engineering 无法解决智能体社交网络中的隐私问题，需要从架构层面设计新的隐私保护机制。