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arXiv2610.08871发表10月6日层应用层场景网页与电脑操作测试Llama-3.1-8B-Instruct、Claude Sonnet 5、Claude Opus 4.8 等 7 个深度解读完整解读