arXiv · AI· Shiyi Kuang, Xuemei Luo, Kun Liu, Junhai Li, Rui Tian, Feng Shi, Bo Shen, Nianyu Li, Dehui Li, Ping Chen·· 2026-10-05AI 评分48
EvoRiskBench:评估工作区智能体运行时安全风险的可进化基准
EvoRiskBench: An Evolving Benchmark for Runtime Security Risks in Workspace Agents
AI 导读
EvoRiskBench 提出用于评估工作区智能体运行时安全风险的基准,包含 450 个对抗性任务。评估显示 Codex 搭配 DeepSeek-V4-Pro-0813 的攻击成功率高达 68.44%,表明当前配置无法确保持续安全执行。
来源:arXiv · AI · arxiv.org