Agent Defense on S2Bench benchmark leaderboard · SOTA2 Research

Agent Defense on S2Bench

0.119Query ASRSpider-Sense

Evaluation Results

Method	Links
Spider-Sense2026.02		0.119	0.059	0.2	0.167	0.108	0.083	0.11	0.095	0.136	0.104	23.4
Spider-Sense2026.02		0.123	0.141	0.177	0.302	0.024	0.096	0.075	0.193	0.095	0.191	41.7
Claude-3.52026.02		0.296	0.647	0.642	0.807	0.233	0.308	0.227	0.262	0.352	0.514	30.5
AGrail2026.02		0.377	0.171	0.632	0.376	0.159	0.136	0.193	0.295	0.33	0.249	103.9
gpt-oss-safeguard-20b2026.02		0.436	0.49	0.599	0.672	0.509	0.413	0.459	0.567	0.511	0.538	50.8
GuardAgent2026.02		0.5	0.133	0.601	0.404	0.176	0.11	0.146	0.214	0.333	0.225	75.9
AGrail2026.02		0.5	0.645	0.596	0.417	0.2	0.205	0.1	0.31	0.326	0.382	121.4
LLaMA-Guard 32026.02		0.578	0.533	0.5	0.571	0.469	0.3	0.309	0.662	0.451	0.503	47.8
Qwen-Max2026.02		0.6	0.507	0.69	0.504	0.4	0.205	0.188	0.208	0.455	0.353	21.6
GuardAgent2026.02		0.6	0.198	0.535	0.508	0.133	0.236	0.1	0.519	0.307	0.364	90.6