评测与基准arXiv:2610.08871 · 10月6日CredLeak-Bench提出 CredLeak-Bench，评测智能体在钓鱼场景下的凭据泄露网页与电脑操作·测试Claude Sonnet 5、Claude Opus 4.8、Gemini 3.6 Flash 等 7 个·应用层完整解读
评测与基准arXiv:2607.20891 · 7月23日MisKnow-Agent 评测提出 MisKnow-Agent，评测深度研究智能体是否采纳误导性检索知识AI Agent·测试Gemini Deep Research、DeepSeek-V4 Pro、Qwen3.5-397B 等 4 个·应用层投毒与后门RAG摘要论文通过 MisKnow-Agent 框架评估发现长程研究智能体易采纳误导性知识，且现有防御难以完全消除该现象。完整解读