EpiSEM-Bench：评估证据缺失下 LLM Agent 的安全性与证据恢复

论文提出 EpiSEM-Bench，一个可执行基准，用于评估工具型 LLM Agent 在工具响应遗漏安全相关事实时的不安全执行、安全边界与证据恢复能力。基准覆盖六个领域、300 组匹配的不安全/安全任务对，通过系统性抑制关键事实测量遗漏下的失败，并用独立审计工具检验 Agent 是否主动查找缺失事实。摘要称十个模型在遗漏鲁棒性上差异显著，但未列出具体分数。

AI推荐理由 针对工具型 LLM Agent 在关键证据缺失时执行被禁操作的风险，构建 300 对匹配任务的可执行基准并审计十个模型，问题定义具体、可复现性较强；摘要未给出各模型具体数值。