FraudSMSWalker：基准测试用于短信到网页欺诈检测的代理大语言模型

针对日益跨渠道的短信欺诈问题，本文提出 FraudSMSWalker 基准，旨在评估 URL 掩码环境下代理大语言模型（LLM Agents）的欺诈检测能力。该基准包含 699 个双语案例，屏蔽了域名信誉等捷径线索，强制模型依据短信上下文与清洗后的网页内容进行对齐分析。实验评估了九个 Web 代理，结果显示当前模型虽能识别可疑线索，但在保持良性样本召回率方面表现不佳，且常生成缺乏充分证据支持的误报。该研究为衡量 Web 代理在无捷径依赖下的证据 grounding 推理能力提供了重要标准。