Papers & Forschung

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
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

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.

Originalartikel · AIHOT-Eintrag

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/

Alle ansehen →