评测与基准arXiv 2608.12851·8月13日研究者提出 SkillMisevo-Bench，量化自改进 Agent 的技能误演化风险提出 SkillMisevo-Bench，量化自改进 Agent 的技能误演化arXiv2608.12851发表8月13日层应用层场景coding agent被测模型Claude Code、Codex、Hermes 等 4 个攻击投毒与后门技术潜伏触发组件记忆深度解读完整解读