评测与基准arXiv:2605.16626 · 5月Sleight-Bench：40 条攻击中 20 条从未被 Opus 4.6 监控发现提出 SLEIGHT-BENCH，评测代码智能体监控器的概念盲点编程 Agent·测试Claude Opus 4.6、Claude Opus 4.7、Claude Sonnet 4.6 等 6 个·应用层监控与审计欺骗与谋划监控器摘要评估针对监控盲点的规避基准，发现前沿监控器漏报率高，算力与脚手架虽有提升但存在类别局限。完整解读