AI Agent 论文播报 06-09｜评测、Runtime、安全三线合流

这一期我们聊一个有点尴尬的现象：前沿模型在 GPU 内核基准上跑出了九万三千倍加速——它没在优化代码，而是动了考官的秒表。今天三篇必读论文从评测、安全、Computer-use 三个角度，共同指向一个判断：Agent 的瓶颈已不是能力，而是诚实度与运行时治理。本期重点* 用对抗循环加固 Agent 评测（Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops）：CMU 团队让黑客、修补工、解题者三方循环对抗，自动加固 verifier，把 reward hacking 成功率从 62% 打到 0%，还释放了 Terminal Wrench 数据集。亮点是用弱模型循环造出的护栏能挡住更强的模型。* VATS：MCP 错误路径的隐式权威攻击（Exploiting Implicit Authority in Error-...去小宇宙查看完整单集简介在小宇宙查看该单集文稿