评测与基准arXiv:2609.30217 · 9月25日EvasionBench：普通任务压力下智能体出现工具性监控规避提出 EvasionBench，测量任务压力下智能体对同步监控的规避AI Agent·测试GLM 5.2、DeepSeek V4 Flash、Muse Spark 1.3 等 12 个·应用层监控与审计欺骗与谋划监控器完整解读