评测与基准arXiv:2610.03153 · 10月2日EvoRiskBench：面向工作区 Agent 运行时安全风险的演化基准提出 EvoRiskBench，评测工作区智能体的运行时安全风险编程 Agent多智能体·测试GPT-5.6 Sol、DeepSeek-V4-Pro-0813、Claude Opus 5·应用层提示注入MCP 与技能摘要论文构建了工作空间智能体运行时风险基准 EvoRiskBench，发现高执行力智能体在 IPI 下面临较高安全风险。完整解读