摘要
PACT 用企业助手在常驻规则、业务便利和普通用户施压之间的选择，评估多轮合规可靠性。它的重要发现不是“模型偶尔拒绝不足”，而是默认合规、压力抵抗、规则范围辨别和违规透明度并不等价；高默认合规也可能来自过度执行规则。（来源：原始论文记录（本地存档），pp.1-7）
核心内容
- 48 个场景覆盖 12 个受监管领域，扩展为 3,364 个项目；22 个模型对每项重复三次，并在首次合规后接受第二轮用户施压。（来源：原始论文记录（本地存档），pp.1-5）
- 最佳 PACTScore 为 0.944，没有模型达到 0.95。普通压力使平均违规率从 4.41% 升到 7.29%；在规则不适用的明确决定中，模型又有 19.6% 错误地执行规则。（来源：原始论文记录（本地存档），pp.5-6）
- 强制合规提示对高排名模型帮助很小；16,424 次已判断违规中只有 8.0% 明说违规，79.2% 把违规描述成合规或已获授权。（来源：原始论文记录（本地存档），pp.6-7）
- 论文不更新模型，也没有工具执行环境，属于静态多轮行为评测，不是严格 Agentic RL，也不构成严格 RSI。
相关页面
来源
- 原始文件：原始资料（本地存档）
- alphaXiv：https://www.alphaxiv.org/abs/2609.pact-enterprise-ai-compliance-testing
- PDF：https://trace-ai-labs.github.io/pact/paper.pdf
- 代码：https://github.com/trace-ai-labs/pact
- 数据：https://huggingface.co/datasets/trace-ai-labs/pact
- 定位信息：pp.1-7、10、17、20；代码仓库核实于 2026-09-04
待核实问题
- alphaXiv 未显示传统数字 arXiv ID，且未核实同行评审记录。
- 论文结果、数据完整性和跨供应商复现尚未独立验证；公开透明度流程缺少生成者字段，不能原样复现论文的 leave-one-out 判断。