AgentLAB：面向 LLM 智能体的长程攻击评测基准
AgentLAB: Benchmarking LLM Agents against Long-Horizon Attacks
AI 导读
研究者发布 AgentLAB，一个评测 LLM 智能体在长程攻击下脆弱性的基准，包含意图劫持、工具链、任务注入、目标漂移和记忆投毒 5 类攻击，覆盖 28 个智能体环境和 644 个安全测试用例。作者称这是首个专门评测长程自适应攻击的智能体安全基准。在 GPT-4o、GPT-5.1、Gemini-3、Claude-4.5、Llama-3 和 Qwen-3 上的初步评测显示，多数智能体仍高度易受攻击，论文称 GPT-5.1 的平均攻击成功率超过约 70%；Claude-4.5 整体为 28.9%，对任务注入为 0%。为单轮攻击设计的 Self-Reminder、Llama-Guard、Repeated Prompt 和 DeBERTa Detector 等防御难以稳定迁移到长程场景。基准已公开在 https://tanqiujiang.github.io/AgentLAB_main。
推荐理由
论文给出五类长程攻击在 28 个环境、644 个用例上的攻击成功率，并显示单轮防御难以迁移。