全部论文

LGWM：用动作条件世界模型验证 GUI 智能体的屏幕转移

提出 LGWM，用动作条件世界模型核验 GUI 智能体屏幕转移

arXiv

2610.11942

发表

10月8日

层

应用层

场景

网页与电脑操作

被测模型

LGWM

• 防御监控与审计
• 攻击提示注入
• 组件监控器
• +1+1

仅凭输出审查无法验证什么：面向研究智能体的研究契约

提出研究合同，把已批准选择绑定到执行证据并由检查器核验

arXiv

2610.11754

发表

10月8日

层

应用层

场景

science agent

被测模型

OpenAI gpt-5.6-sol、OpenAI gpt-5.6-terra、OpenAI gpt-5.6-luna 等 18 个

• 防御权限与审批
• 风险奖励作弊
• 组件权限与沙箱

RSIGym：预算约束下的 AI 研究智能体评测环境与 RSI-Index 指标

提出 RSIGym 环境，评测研究智能体的递归自改进

arXiv

2610.10310

发表

10月8日

层

应用层

场景

science agent

被测模型

Claude Opus 5、Claude Opus 5.5、GPT-6 Astra 等 9 个

• 风险危险能力

TasteVal 基准：用算力效率衡量 AI 的实验研究品味

提出 TasteVal 基准，衡量模型设计实验并解释结果的研究品味

arXiv

2610.06824

发表

10月6日

层

应用层

场景

science agent

被测模型

Opus 5.5、Fable 5.1、GPT-6 Astra 等 20 个

• 风险危险能力

AutoSciBench：自动生成科学智能体评测基准的框架

提出 AutoSciBench，循环生成科学智能体评测任务

arXiv

2610.05140

发表

10月4日

层

应用层

场景

science agent

被测模型

Claude Opus 5、Claude Opus 4.8、Claude Opus 4.7 等 10 个

EvalResearchBench：AI 智能体自主设计评测基准

提出 EvalResearchBench，评测智能体自建评测对目标基准的排序一致性

arXiv

2610.04184

发表

10月3日

层

应用层

场景

science agent

被测模型

GPT-6 Astra、GPT-5.6 Sol、GLM-5.3 等 9 个

Control OSWorld：面向 GUI 计算机操作 Agent 的 AI 控制评测环境

提出 Control OSWorld，评测失准 GUI Agent 的监控

arXiv

2610.03818

发表

10月2日

层

应用层

场景

网页与电脑操作

被测模型

Claude Sonnet 4.6、Claude Opus 4.8、GPT-5.2 等 6 个

• 防御监控与审计
• 风险欺骗与谋划
• 组件监控器

COBRA：为计算机使用 Agent 防御分支引导攻击的双 LLM 架构

提出 COBRA 双 LLM 架构，防御计算机使用 Agent 的分支转向攻击

arXiv

2610.03089

发表

10月2日

层

应用层

场景

网页与电脑操作

被测模型

gpt-5、UI-TARS-1.5-7B、claude-sonnet-5 等 6 个

• 防御权限与审批
• 攻击提示注入
• 组件权限与沙箱
• +2+2

ZoneClaw 用记忆分区防御 OpenClaw 式计算机使用 Agent 的持久记忆攻击

提出 ZoneClaw，用记忆分区防御计算机使用 Agent 的持久记忆攻击

arXiv

2610.00450

发表

10月1日

层

应用层

场景

网页与电脑操作

被测模型

Claude Sonnet 4.6、GPT-5.5、GLM-5.2 等 4 个

• 防御指令与数据隔离
• 攻击投毒与后门
• 组件记忆
• +1+1

OSWorld-Science：面向科学软件学习与使用的计算机操作智能体基准

提出 OSWorld-Science 基准，评测计算机使用智能体完成科学软件工作流的能力

arXiv

2609.39903

发表

9月30日

层

应用层

场景

网页与电脑操作

被测模型

Claude Fable 5.1、Claude Opus 5、Claude Sonnet 5 等 12 个

EngiWorld 基准发布：前沿 Agent 在专业工程环境中最高仅得 44.3 分

提出 EngiWorld 基准，评测 Agent 在专业工程软件中走完设计闭环的能力

arXiv

2609.37686

发表

9月29日

层

应用层

场景

网页与电脑操作

被测模型

Claude Opus 5 (Max)、GPT-5.6-Sol (XHigh)、Qwen 3.8 Max 等 7 个

DIBench：面向移动 GUI 智能体多候选选择决策完整性的安全基准

用 DIBench 评测移动 GUI 智能体被 UI 注入后的决策完整性

arXiv

2610.06898

发表

9月29日

层

应用层

场景

网页与电脑操作

被测模型

Qwen2.5-VL(32B)、Qwen3-VL(32B)、GUI-Owl(32B) 等 7 个

• 攻击提示注入
• 组件视觉

RSI-Master：用结构化实验引导模型自主改进

提出 RSI-Master，约束自主后训练实验动作并结构化探索以防奖励作弊

arXiv

2609.35561

发表

9月29日

层

应用层

场景

science agent、多智能体

• 防御权限与审批
• 风险奖励作弊
• 组件权限与沙箱

BIABench：评测 AI 智能体在真实生物图像分析任务上的表现

提出 BIABench，评测智能体完成真实生物图像分析任务的能力

arXiv

2609.34274

发表

9月28日

层

应用层

场景

science agent

被测模型

GPT-5.6 Sol、Claude Opus 5、Kimi K2.6 等 6 个

面向自主科学发现的智能体经济基础设施

勾勒科学智能体经济以协调验证、信用与安全

arXiv

2609.31562

发表

9月26日

层

应用层

场景

science agent、多智能体

研究：自主研究智能体的奖励作弊挑战监督机制

评测自主研究 Agent 的奖励作弊及其对监督的规避

arXiv

2609.28614

发表

9月24日

层

应用层

场景

science agent

被测模型

GLM-5.2、GPT-5.6 Sol、Kimi-K3 等 15 个

• 风险奖励作弊
• 组件监控器
• +1+1

CELLAUDIT：审计 AI 智能体发现细胞模型中的输入使用声明

提出 CellAudit，审计智能体发现的细胞模型是否使用所声明输入

arXiv

2609.27234

发表

9月23日

层

应用层

场景

science agent

被测模型

CellScientist、AIDE、CellForge 等 4 个

Weco AI 提出 AIDE2：AI 研究智能体递归自我改进 8 天获七次提升

提出双层系统 AIDE2，使研究智能体自改进 Harness 并对比人类研发基线

arXiv

2609.26457

发表

9月22日

层

应用层

场景

science agent

被测模型

gemini 3 flash、gpt-5.6-sol、fable 5

• 风险危险能力

OSWorld-Pro 发布：面向 Computer-Use Agent 的过程式评测基准

提出 OSWorld-Pro，用顺序子目标过程评测计算机使用智能体

arXiv

2609.24890

发表

9月22日

层

应用层

场景

网页与电脑操作

被测模型

Claude Opus 5 Max、Claude Opus 4.8 Max、Claude Opus 4.7 Max 等 14 个

MATE：面向移动 Agent 的策略感知安全审计方法

提出移动 Agent 轨迹审计器 MATE，判断轨迹是否违反可编辑安全策略

arXiv

2609.22724

发表

9月19日

层

应用层

场景

网页与电脑操作

攻击者

黑盒

被测模型

MATE-0.5B、MATE-1.5B、MATE-3B

• 防御监控与审计
• 攻击恶意使用
• 风险Agent 危险操作
• 组件监控器