新加坡国立大学发布 SafeActBench：656 例剖析工具型 Agent 从证据到行动的断点

新加坡国立大学发布 SafeActBench，用 656 个案例研究工具型 Agent「证据到行动」链条的断裂点。在 10 种模型-框架组合中，静态行动判断能力强并不代表交互式执行可靠，失败多发生在执行前：Agent 提前停止调查，或证据未齐就贸然行动。基准覆盖 6 个操作领域、5 种协议，配套 Evidence Ledger 溯源绑定与确定性轨迹评估器，追踪证据建立与下游依赖。