评测与基准arXiv 2609.08126·9月8日SchemeArena：面向 LLM 智能体谋划的因子化压力测试基准提出 SchemeArena 因子化评测智能体的谋划倾向arXiv2609.08126发表9月8日层应用层场景编程 Agent风险欺骗与谋划组件监控器+1+1摘要SchemeArena 把 scheming 拆成目标和 hint 等因子。深度解读完整解读