论文提出 TPRS 指标：智能体安全基准得分会因工具命名方式而波动

arXiv 论文提出威胁保持表示敏感性（TPRS），用于测量在任务、有害行为、安全策略和评估标准完全不变时，仅改变智能体可见表示会导致攻击成功率（ASR）发生多大变化。在 Agent Security Bench 上，把威胁相关工具名换成中性名称后，GPT-5-mini 的 ASR 上升 11.67 个百分点，Claude Haiku 4.5 上升 13.21 个百分点。在 MCPTox 上反向操作，GPT-5-mini 的 ASR 下降 11.00 个百分点；且一个仅对齐 token 数、长度和大小写的中性名称就能复现其中 8.54 个百分点的变化。AgentDojo 上的对照显示 GPT-4o-mini 的 ASR 仅变化 0.50 个百分点，但涉及该工具的良性任务效用下降 5.36 个百分点。结论是单一表示下的安全得分可能无法泛化，稳健性结论应基于一组受控的威胁保持表示来支撑。