PLCBench 论文提出并实验验证了一个面向真实工业控制系统（ICS）的硬件在环（HIL）安全评估框架，重点研究自主大语言模型（LLM）代理能否将网络可达的可编程逻辑控制器（PLC）访问转化为持续的物理影响。现有评估大多聚焦于数字任务或 PLC 测试的单一阶段，在 ICS 环境中，若仅停留在软件利用、成功写入或工具访问层面，很容易误判实际的物理风险。PLCBENCH 首次构建了结合供应商原生交互、商业 PLC 执行、闭环降阶过程仿真和独立结果验证的综合性框架。它使用确定性评估器对运行记录、通信记录、PLC 对象和过程记录应用固定规则，分配六个隐藏诊断标志，从而区分可用 PLC 交互、过程关联操控和持续物理影响。作者在四个商业 PLC 与四个闭环工作负载的组合上实例化该框架，跨五个 LLM 家族完成了 240 次真实 PLC 实验。结果显示，75 个实验（31.3%）能够持续达成其物理目标；阶段分析表明，98 个实验在有效的原生读取之前就停止，62 个达到了过程关联写入但未能持续最终目标。此外，更丰富的过程观察与条件目标达成率从 44.2% 提升至 64.0% 相关。这些测量结果定位了配置型 PLC 过程部署中的失败环节，并为未来防御性评估标识出了干预点。论文还公开了可以安全披露的代码和纯软件复现管线，以确保可复现性。该研究为理解 LLM 代理对 ICS 的物理攻击能力边界提供了首个系统性实证依据。