operational-stealth

StealthBench 通过六个 OPSEC 维度，使用由三个模型组成的 LLM 评审小组，衡量自主攻击性安全代理的操作隐蔽性。结果显示，没有任何模型的安全成功率超过 54%，表明存在系统性的 OPSEC 失败。