评测与基准arXiv 2608.12851·8月13日研究者提出 SkillMisevo-Bench，量化自改进 Agent 的技能误演化风险构建 SKILLMISEVO-BENCH，评测自进化编程智能体的技能误演化风险arXiv2608.12851发表8月13日层应用层场景编程 Agent测试Hermes、Claude Code、Codex 等 6 个攻击投毒与后门技术潜伏触发组件记忆深度解读完整解读