EpiSEM-Bench：工具返回漏掉关键事实时，agent 会越界
arXiv 论文提出 EpiSEM-Bench：300 对危险/安全配对任务、六个领域，系统地删掉工具返回中的安全关键事实，测 agent 是否照样执行被禁止的动作、会不会主动补查。称十个模型差异很大，给补查通道后所有模型的越界都减少。
Qijin Zhang原始发布
为什么值得留
提醒做 agent 的人：工具返回「全是真话」也可能缺关键信息，要给 agent 补查的路。
可以从这里开始
挑一个会做有后果动作的工具，写下执行前必须确认的事实清单，缺一项就让 agent 先查。
阅读时留意
摘要未列模型名和具体比例；是研究基准，与你的工具环境未必相同。
OnBalls 导读整理于 2026.10.24。只读收件箱保存的 arXiv 摘要节选（可能截断）；未读论文正文、未看代码和数据。