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编程 Agent·测试Claude-Opus-4.6、GPT-5.4、Gemini-3.1-Pro 等 5 个·应用层欺骗与谋划监控器完整解读