全部论文

LGWM：用动作条件世界模型验证 GUI 智能体的屏幕转移

提出 LGWM，用动作条件世界模型核验 GUI 智能体屏幕转移

arXiv

2610.11942

发表

10月8日

层

应用层

场景

网页与电脑操作

被测模型

LGWM

• 防御监控与审计
• 攻击提示注入
• 组件监控器
• +1+1

Station 在开放式科研任务中平均复现 62.7% 的预设子发现

评测多智能体在开放式科研任务中找回预设子发现的能力

arXiv

2610.08927

发表

10月7日

层

应用层

场景

science agent、多智能体

被测模型

Gemini 3.1 Pro、GPT-5.5、Claude Opus 4.8 等7个

BazaarBench：评估 LLM Agent 在去中心化 C2C 市场中的代理安全

构建 BazaarBench，评测 C2C 市场中 Agent 的违规与失信行为

arXiv

2610.06748

发表

10月6日

层

应用层

场景

多智能体

被测模型

GPT-5.5、GPT-5.4、GPT-5.4-mini 等5个

• 风险欺骗与谋划
• +1+1

MASBench：部分可观测条件下的 LLM 多智能体协作基准

提出 MASBench，评测部分可观测下的多智能体协作机制

arXiv

2610.04672

发表

10月4日

层

应用层

场景

多智能体

被测模型

Qwen-Plus、GPT-5-nano、Gemini-2.5-Flash-Lite 等5个

SceneFactory-3D：将 2D 交通场景提升为 3D 物理反事实以做安全评测

提出 SceneFactory-3D，用路况反事实评测驾驶策略的闭环安全性

arXiv

2610.02874

发表

10月2日

层

应用层

场景

具身与机器人、多智能体

被测模型

Frozen L0、L0-T、L1 等5个

Control OSWorld：面向 GUI 计算机操作 Agent 的 AI 控制评测环境

提出 Control OSWorld，评测失准 GUI Agent 的监控

arXiv

2610.03818

发表

10月2日

层

应用层

场景

网页与电脑操作

被测模型

Claude Sonnet 4.6、Claude Opus 4.8、GPT-5.2 等6个

• 防御监控与审计
• 风险欺骗与谋划
• 组件监控器

OSWorld-Science：面向科学软件学习与使用的计算机操作智能体基准

提出 OSWorld-Science 基准，评测计算机使用智能体完成科学软件工作流的能力

arXiv

2609.39903

发表

9月30日

层

应用层

场景

网页与电脑操作

被测模型

Claude Fable 5.1、Claude Opus 5、Claude Sonnet 5 等12个

A2A-TIBA：针对 A2A 协议 LLM 智能体的间接提示注入攻击与三层同构攻防模型

提出 A2A-TIBA，经 A2A 对等任务间接注入并植入常驻回调

arXiv

2610.00392

发表

9月30日

层

应用层

场景

多智能体

被测模型

MiniMax-M3、deepseek-v4-pro、glm-5.3 等8个

• 攻击提示注入
• 技术多轮渐进
• 组件MCP 与技能
• +1+1

MADBench：多智能体辩论安全性评测基准发布

提出 MADBench，评测多智能体辩论是吸收还是放大对抗影响

arXiv

2609.39146

发表

9月30日

层

应用层

场景

多智能体

被测模型

gpt-4o、GPT-5、GPT-6 Astra

• 攻击提示注入
• 组件RAG
• +1+1

EngiWorld 基准发布：前沿 Agent 在专业工程环境中最高仅得 44.3 分

提出 EngiWorld 基准，评测 Agent 在专业工程软件中走完设计闭环的能力

arXiv

2609.37686

发表

9月29日

层

应用层

场景

网页与电脑操作

被测模型

Claude Opus 5 (Max)、GPT-5.6-Sol (XHigh)、Qwen 3.8 Max 等7个

Frontier Autolab：多智能体 LLM 组织在五十年技术变迁中的长期测试台

评测多智能体 LLM 组织跨时代再创业及历史打分中的事后泄漏

arXiv

2609.36739

发表

9月29日

层

应用层

场景

多智能体

被测模型

Claude Opus 5.5、Luna 6

• 组件记忆

DIBench：面向移动 GUI 智能体多候选选择决策完整性的安全基准

用 DIBench 评测移动 GUI 智能体被 UI 注入后的决策完整性

arXiv

2610.06898

发表

9月29日

层

应用层

场景

网页与电脑操作

被测模型

Qwen2.5-VL(32B)、Qwen3-VL(32B)、GUI-Owl(32B) 等7个

• 攻击提示注入
• 组件视觉

ORBIT：基于 UK AISI Inspect 的多智能体安全评测框架

提出 ORBIT 框架，评测多智能体防御对合谋等威胁的效果

arXiv

2609.33102

发表

9月27日

层

应用层

场景

多智能体

被测模型

GPT-5.4、Claude Sonnet 4.6、Qwen3-235B 等5个

• 攻击恶意使用
• 风险欺骗与谋划
• 组件监控器
• +1+1

TrustFork：显示身份如何劫持 LLM 智能体编排的权限

提出 TRUSTFORK 基准，评测展示身份劫持多智能体编排权限

arXiv

2609.32635

发表

9月26日

层

应用层

场景

多智能体、coding agent

被测模型

GPT-5.6-Sol、GPT-5.6-Luna、Kimi-K3 等8个

• 攻击提示注入
• +1+1

OSWorld-Pro 发布：面向 Computer-Use Agent 的过程式评测基准

提出 OSWorld-Pro，用顺序子目标过程评测计算机使用智能体

arXiv

2609.24890

发表

9月22日

层

应用层

场景

网页与电脑操作

被测模型

Claude Opus 5 Max、Claude Opus 4.8 Max、Claude Opus 4.7 Max 等14个

DUMA-Bench：评估 LLM Agent 安全的双控多智能体基准

提出双控多智能体基准 DUMA-Bench，测量对抗环境下的策略违反

arXiv

2609.24662

发表

9月21日

层

应用层

场景

多智能体

被测模型

GPT-5、GPT-5-mini、GPT-5-nano 等14个

• 攻击提示注入

MATE：面向移动 Agent 的策略感知安全审计方法

提出移动 Agent 轨迹审计器 MATE，判断轨迹是否违反可编辑安全策略

arXiv

2609.22724

发表

9月19日

层

应用层

场景

网页与电脑操作

攻击者

黑盒

被测模型

MATE-0.5B、MATE-1.5B、MATE-3B

• 防御监控与审计
• 攻击恶意使用
• 风险Agent 危险操作
• 组件监控器

Emergence World：对长时程多智能体系统开展对抗压力测试

提出 Emergence World，对长时程多智能体系统开展对抗压力测试

arXiv

2609.17320

发表

9月15日

层

应用层

场景

多智能体

被测模型

Claude Opus 4.8、DeepSeek v4 Pro、Gemini 3.5 Flash 等9个

• 攻击提示注入
• 风险失准与价值偏离
• 组件记忆

WolfSociety：金融智能体社会中有害智能体规模带来的集体风险

提出 WolfBench，测量金融智能体社会中有害智能体规模带来的集体崩溃

arXiv

2609.05591

发表

9月5日

层

应用层

场景

多智能体

被测模型

DeepSeek V3.2、GPT-4.1、Qwen3-235B 等6个

• 风险Agent 危险操作

CONFLICTGUI 基准与 CONFLICTGUARD 框架：让多模态 GUI Agent 学会在冲突指令下终止执行

提出 ConflictGuard，引导 GUI Agent 在冲突指令下终止执行

arXiv

2609.03438

发表

9月3日

层

应用层

场景

网页与电脑操作

被测模型

UI-Venus-1.5-8B、UI-TARS-1.5-7B、OS-Atlas-Base-7B 等10个

• 防御推理时干预
• 风险Agent 危险操作