评测与基准arXiv 2608.09476
ActBench：面向协作智能体行为安全的自演化基准
构建自演化基准 ActBench，评测协作智能体的行为安全
- arXiv
- 2608.09476
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 被测模型
- Claude-Opus-4.8、Claude-Sonnet-4.6、GPT-5.5 等15个
摘要ActBench 通过自演化搜索与双证据重构评测轨迹行为安全，揭示基础模型决策差异主导了协同智能体的操作风险。
Agent 安全 · 论文
- 评测与基准arXiv 2601.21083
OpenSec：测量对抗证据下事件响应 Agent 的校准
提出 OpenSec，评测事件响应 Agent 在对抗证据下的遏制校准
- arXiv
- 2601.21083
- 发表
- 层
- 应用层
- 场景
- AI Agent
- 被测模型
- GPT-5.2、Claude Sonnet 4.5、Gemini 3 等5个
- 攻击提示注入
- 风险Agent 危险操作
摘要OpenSec 以执行评分测 IR 智能体在对抗证据下是否过度遏制，作者称缺口在克制。
OpenSec 用 dual-control 事件环境测量 IR 智能体在对抗证据下的校准：分数看实际遏制，不看报告文本。
已经到底了