https://derekwang2002.github.io/ai-intelligence/projects/episem-bench/ AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。 zh-CN Mon, 02 Nov 2026 16:56:00 GMT https://derekwang2002.github.io/ai-intelligence/events/ev-20261022-04/ ev-20261022-04-published Fri, 23 Oct 2026 16:04:55 GMT 新事件 WATCH <p>EpiSEM-Bench 用 300 组安全／不安全配对任务测试：工具返回的每句话都是真的，但刻意缺少一个决定动作是否合法的关键事实。10 个模型在越界执行、主动补证和补证后正确行动上差异很大；提供恢复入口能降低所有模型的越界率，却不能保证 agent 会主动使用它。论文未找到公开实现。</p><p>建议等级：WATCH</p><p>来源：<a href="https://arxiv.org/abs/2610.31650">EpiSEM-Bench: Evaluating Safety and Evidence Recovery in LLM Agents under Missing Evidence</a></p>