最近要负责企业项目的ai渗透测试的agent安全能力评估和调优和评分机制，因为还没做过所以刚开始就有一些问题，想问问大佬们有没有企业级的思路 
1.除了xbow benchmarks的基准测试，大佬们还有什么推荐的测试集吗，如果说考虑自建也有类似的思路吗？（难道说都直接用ctf靶场吗） 
2.因为要接入本地大模型，所以效果估计不会好，大佬们在评测的时候调优的思路一般做啥调优 
3.信息搜集过程中大佬们的召回率如何评判呢 
因为还没开始所以只能想到这些问题，如果有偏移的可以直接说