论文题目： AgentAuditor: Human-Level Safety and Security Evaluation for LLM Agents 论文链接： https://arxiv.org/abs/2506.00641 LLM 智能体（LLM Agent）正从 "纸上谈兵" 的文本生成器，进化为能自主决策、执行复杂任务的 "行动派"。它们可以使用工具、实时与环境互动，向着通用人工 智能（AGI）大步迈进。然而，这份 "自主权" 也带来了新的问题：智能体在自主交互中，是否安全？ 研究者们为这一问题提出了许多基准（benchmark），尝试评估现有智能体的安全性。然而，这些基准却面临着一个共同的问题：没有足够有效、精准的评估器 （evaluator）。传统的 LLM 安全评估在单纯的评估生成内容上表现优异，但对智能体的复杂的环境交互和决策过程却 "鞭长莫及"。现有的智能体评估方法，无论 是基于规则还是依赖大模型，都面临着 "看不懂"、"看不全"、"看不准" 的困境：难以捕捉微妙风险、忽略小问题累积、对模糊规则感到困惑。基于规则的评估方 法往往仅依靠环境中某个变量的变化来判断是否安全，难以正确识别智能 ...