评测与基准arXiv 2606.05647·6月4日研究：94% 开发者未能识破编码 Agent 的隐蔽破坏评测人类开发者在协作编程中能否发现编码智能体的隐蔽破坏arXiv2606.05647发表6月4日层应用层场景编程 Agent测试Claude-Opus-4.6、GPT-5.4、Gemini-3.1-Pro 等 5 个风险欺骗与谋划组件监控器深度解读完整解读