UserProxyBench：给 Agent benchmark 的用户模拟器做独立体检¶

复现级别：L1 评测机制。 实现严格 User Fidelity Score 与 premature disclosure 审计；不运行闭源 proxy。

论文信息¶

字段	内容
论文链接	arXiv v1
公司/机构	原文未列机构
首次公开日期	2026-09-29（arXiv v1）
原文开源代码	否：截至 2026-09-30 未找到原作者仓库
Adapter	`user-proxy-bench`
本地复现代码	`src/auto_research/agent_research/latest_20260930_followup.py`

背景与主要改动¶

UFS 与 agent task reward 独立：每个 episode 的所有适用 user-contract criteria 必须全部通过，episode 才计 1。重点审计 premature disclosure，即用户模拟器在 agent 请求之前就泄露私有字段；这可能维持任务成功，却让 agent 少做本应评测的信息收集。

原论文关键图¶

原论文首页概览，展示 agent reward 与 user fidelity 的分离。图片来自原论文，版权归原作者所有。

本地复现¶

本地实现 Eq. (1) 的 all-criteria product，并按时间顺序审计 request/disclosure。它只接收 rubric pass/fail 和公开交互事件，不把私有 blueprint 暴露给被评 agent；三种子机制结果见 metrics/mechanism-seeds42-44.json。未运行 375 个企业任务和七种 proxy。