评测与基准arXiv:2610.08871 · 10月6日CredLeak-Bench提出 CredLeak-Bench,评测智能体在钓鱼场景下的凭据泄露网页与电脑操作·测试Claude Sonnet 5、Claude Opus 4.8、Gemini 3.6 Flash 等 7 个·应用层完整解读
评测与基准arXiv:2609.32915 · 9月26日AgentTell:浏览器 Agent 的行为侧信道泄漏基准构建 AGENTTELL 基准,测量浏览器智能体跨站行为侧信道泄露网页与电脑操作·测试Claude Sonnet 5、Gemini 3.7 Flash、GPT-5.6 Luna 等 6 个·应用层Agent 危险操作摘要论文评估了浏览器智能体的行为侧信道泄露风险,并基于近万次会话提供了评测数据。完整解读