6. Evaluation and Benchmarking of LLM Agents: A Survey

• 类型：arxiv
• 标识：2507.21504
• 链接：https://arxiv.org/abs/2507.21504
• 主题：agent, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/tom/2026-06-13-agent-rag-longcontext-radar.md

可复用信息

• • 依赖外部攻击LLM（弱模型降低成功率）
• • 评测覆盖有限（模型家族、工具、pipeline拓扑）
• • 多模态agent、紧密耦合RAG系统、强沙箱场景可能不同
• • 分类标签：agent-security, adversarial-attack, safety, tool-using-agent
• • 建议操作：进入agent安全主题页，关联其他agent攻击研究

---

• • arXiv：2507.21504v1（注意：编号异常，可能是2025年7月）
• • URL：https://arxiv.org/html/2507.21504v1

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。
• 可用于局限性、风险、失效模式和未来工作。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集