研究与基准测试/2026-11-04/18 分钟VeriHarm-Bench：任务做成了，指定伤害也留下了有害成功指编码智能体完成良性任务的同时触发指定伤害。VeriHarm 用最小扰动和可执行伤害测试构造可验证基准。留出前沿模型平均任务准确率 95.1%，有害成功 58.2%，安全成功只有 37.0%。
研究与基准测试/2026-11-04/22 分钟VeriHarm-Bench 附录：提示、指标、成本与实例同一篇论文的参考文献与附录 A–G：局限、实现细节、英文提示的中译、标注指南、五项指标、构造成本，以及命令注入和全局可写两则实例。不是第二篇来源。
