微软研究院发布 CAVEAT
提出 CAVEAT 基准，评测激励失配市场中计算机使用 Agent 的购买决策退化
- arXiv
- 2609.27273
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- GPT-5.6-Sol, GPT-5.6-Terra, GPT-5.6-Luna and others14
Abstract提出 CAVEAT 基准揭示智能体在商业偏好下的决策退化，诊断出三类失效并给出缓解方案。
All papers
Filter3
Attack type
Impact
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 265papers have no tags yet and are not included in filtered results.
Another 265papers do not have category tags yet and are not included in filtered results.
CELLAUDIT：审计 AI 智能体发现细胞模型中的输入使用声明
提出 CellAudit，审计智能体发现的细胞模型是否使用所声明输入
- arXiv
- 2609.27234
- Published
- Layer
- Application layer
- Setting
- science agent
- Evaluated models
- CellScientist, AIDE, CellForge and others4
AbstractCellAudit 把输入使用声明从源码追到拟合贡献，并说明高分不必等于使用了扰动。
CellAudit 为智能体发现的细胞响应模型增加一层输入使用证伪：源码是否消费注册输入、拟合预测是否依赖它、该依赖是否改善对观测响应的预测。
- AttacksarXiv 2608.04565
研究者提出 Breadcrumbing 长程攻击，可劫持 DeepResearch 类搜索 Agent 的证据链
提出权威链劫持与轨迹引导策略演化，劫持搜索 Agent 的证据链
- arXiv
- 2608.04565
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- Qwen3.5-9B, Gemma4-31B, DeepResearch and others7
- AttacksPrompt injection
- TechniqueAutomated search
- ComponentRAG
Abstract论文揭示了多步搜索智能体在受限中间人操纵下的脆弱性，提出 ACH 策略与 TGSE 演化方法并完成系统验证。
SCHEMA：面向科学 Agent 幻觉的拓扑感知评测框架
提出 SCHEMA，用概念图与轨迹分评测科学 Agent 幻觉
- arXiv
- 2608.00711
- Published
- Layer
- Application layer
- Setting
- science agent
- Evaluated models
- Kimi-K2.5, Qwen3.6-Plus, Llama-4-Scout and others10
- RiskHallucination and fabrication
- ComponentReasoning chains
AbstractSCHEMA 用知识拓扑评估科学智能体幻觉，终答正确仍可能来自有缺陷的中间推理。
SCHEMA 是面向科学智能体幻觉的证据锚定评测框架，实例化在生物医学的 Protein Domain 与 PathVQA-Enhanced。作者在摘要中称它是首个同时做到证据锚定和拓扑感知的此类框架。
MisKnow-Agent 评测
用 MisKnow-Agent 评测深度研究智能体是否采纳误导文档结论
- arXiv
- 2607.20891
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- DeerFlow, WebThinker, Gemini Deep Research and others6
- AttacksPrompt injection
- ComponentRAG
Abstract论文通过 MisKnow-Agent 框架评估发现长程研究智能体易采纳误导性知识，且现有防御难以完全消除该现象。
BioSecBench-Surveillance：面向病原体基因组监测 AI 智能体的可验证基准
提出 BioSecBench-Surveillance，评测智能体的病原监测分析选择
- arXiv
- 2607.19262
- Published
- Layer
- Application layer
- Setting
- science agent
- Evaluated models
- Opus 4.8, Opus 4.7, Opus 4.6 and others10
- AttacksarXiv 2607.10712
研究提出间接数据投毒攻击，可操纵 Claude、Codex 与 Gemini 的科研结论
提出间接数据投毒攻击，操纵科研智能体得出虚假结论
- arXiv
- 2607.10712
- Published
- Layer
- Application layer
- Setting
- science agent
- Evaluated models
- Claude Code with Claude Opus 4.7, Codex with GPT-5.5, Gemini CLI with Gemini 3.1 Pro
- DefensesInstruction–data separation
- AttacksPoisoning and backdoors
SciIntegrity-Bench：评估 AI Scientist 系统学术诚信的基准
提出 SciIntegrity-Bench 评测科研智能体是否编造结果
- arXiv
- 2605.10246
- Published
- Layer
- Application layer
- Setting
- science agent
- Evaluated models
- GPT 5.2, Claude 4.6 Sonnet, Gemini 3.1 Pro and others7
- AttacksarXiv 2603.16960
针对现代视觉语言模型的对抗攻击
对开源视觉购物智能体实施商品图对抗攻击并诱导买错
- arXiv
- 2603.16960
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- LLaVA-v1.5-7B, Qwen2.5-VL-7B
- AttacksPrompt injection
- TechniqueGradient and representation optimization
- ComponentVision
Abstract作者称 LLaVA 易被三种攻击诱导买错，Qwen 正确购买率仍接近其干净条件。
作者在自建电商环境里比较两个开源 VLM 购物智能体对图像对抗扰动的鲁棒性。
MalURLBench：评估 Agent 处理网页 URL 时脆弱性的基准
提出 MalURLBench 评测 Agent 是否接受结构伪装的恶意 URL
- arXiv
- 2601.18113
- Published
- Layer
- Application layer
- Setting
- web agent
- Evaluated models
- GPT-3.5-Turbo, GPT-4o-mini, GPT-4o and others13
- DefensesDetection and filtering
- AttacksJailbreaks
- ComponentGuardrails and judges
论文指出 AI 科学家系统存在四类失效模式，仅看最终论文难以发现
用 SPR 评测 AI 科学家系统的方法学缺陷
- arXiv
- 2509.08713
- Published
- Layer
- Application layer
- Setting
- science agent
- Evaluated models
- gemini-2.5-flash-preview-05-20
- RiskReward hacking
Abstract作者用 SPR 诊断两个开源系统的四种方法学缺陷，并建议审稿时提交日志与代码。
作者诊断两个开源系统的全自动科研流程，看方法学缺陷会不会留在终稿看不见的决策里。
You have reached the end