当智能体过度信任环境证据：一个用于基准测试 LLM 智能体证据落地缺陷的可扩展框架

大型语言模型智能体日益依赖暴露文件、网页及 API 的环境支架，但这些观察结果的可靠性常存疑。现有基准测试多关注任务能力或特定攻击，却忽视了智能体在面临过时、错误或恶意观测时能否基于真实环境状态进行 grounded 推理这一根本问题。本文提出 EnvTrustBench，旨在基准测试“证据落地缺陷”（EGD），即智能体未核实当前证据便盲目行动的行为失败。通过在多种场景和模型上的评估，结果显示 EGD 普遍存在，凸显了环境落地作为智能体可靠性与安全核心问题的重要性。