UC-Berkeley-Team findet mit KI-Agent 45 Cheating-Lücken in 13 verbreiteten Benchmarks
Originaltitel:We Scored 100% on AI Benchmarks Without Solving a Single Problem
KI-Zusammenfassung
Ein Team der UC Berkeley hat einen vollautomatischen Audit-Agenten entwickelt und in 13 weit verbreiteten KI-Benchmarks wie FrontierCS, Terminal-Bench, WebArena und SWE-bench 45 verifizierte Cheating-Lösungen gefunden; alle 13 Benchmarks wurden als kritisch eingestuft.
Kernpunkte
- Ein Team der UC Berkeley hat einen vollautomatischen Audit-Agenten entwickelt und in 13 weit…
- Terminal-Bench,WebArena und SWE-bench 45 verifizierte Cheating-Lösungen gefunden
- alle 13 Benchmarks wurden als kritisch eingestuft.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- Berkeley RDI:Blog(AI 安全与评测)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 73
原文用自动审计给出13个基准的45个可复现漏洞和修复建议,读者可据此审视自己依赖的评测分数。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: UC-Berkeley-Team findet mit KI-Agent 45 Cheating-Lücken in 13 verbreiteten Benchmarks. 6. April 2026. https://new.nat6.net/de/news/xzz70gkzl87ypmq36y8hmo2rs/