RecodeX 重构消息，针对大语言模型智能体评测中普遍存在的奖励黑客问题，研究者提出BenchShield检测框架，将检查覆盖到产生分数的全流程。该框架定义七项评测要求，用TLA+构建形式化模型，结合感知阶段的污点静态分析与运行时事件记录、语义审计，区分潜在漏洞暴露与实际违规行为，给出四类明确判定结果。实验显示，其相比此前的BenchJack可大幅提升已知利用链召回率、降低检测成本，运行时明确判定准确率达96%，并验证了隔离验证环境的防护边界。