Les chercheurs présentent CoC-Seduce, un benchmark adversaire multi-agents conçu pour évaluer le respect des règles dans des environnements de jeux textuels semi-ouverts où l'intention de l'utilisateur peut entrer en conflit avec les règles du système. L'étude met en lumière les attaques par « Injection Rhétorique » qui exploitent des techniques de cadrage narratif telles que le raisonnement pseudo-logique et la coercition autoritaire pour contourner la logique d'arbitrage.
- GPT-5.4, Claude Sonnet 4.6 et Gemini 3.5 Flash servent de générateurs adverses produisant 5 376 échantillons sur 4 paramètres mondiaux et 16 catégories de compétences.
- Le benchmark évalue 20 arbitres cibles contre ce corpus pour tester la robustesse.
- L'évaluation révèle que ni l'échelle du modèle ni les mécanismes de raisonnement explicite ne confèrent fiablement une robustesse d'arbitrage.
- La pseudo-logique émerge comme le vecteur d'attaque dominant, tandis que les paramètres interculturels exposent des lacunes systématiques en connaissances au sein de toutes les familles évaluées.
Les résultats indiquent que les modèles de pointe actuels restent vulnérables à des techniques spécifiques de manipulation rhétorique malgré leur taille ou leurs capacités de raisonnement.