Mga Papel at Pananaliksik

Nakahanap ang team ng UC Berkeley ng 45 cheating vulnerabilities sa 13 pangunahing benchmark gamit ang AI Agent

Orihinal na pamagat:We Scored 100% on AI Benchmarks Without Solving a Single Problem

AI summary

Bumuo ang team ng UC Berkeley ng ganap na awtomatikong auditing Agent at nakahanap ng 45 beripikadong cheating scheme sa 13 malawakang ginagamit na AI benchmark tulad ng FrontierCS, Terminal-Bench, WebArena at SWE-bench; lahat ng 13 benchmark ay tinasa bilang critical risk.

Mahahalagang impormasyon

  • Bumuo ang team ng UC Berkeley ng ganap na awtomatikong auditing Agent at nakahanap ng 45…
  • Terminal-Bench,WebArena at SWE-bench
  • lahat ng 13 benchmark ay tinasa bilang critical risk.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
Berkeley RDI:Blog(AI 安全与评测)
Kategorya
Mga Papel at Pananaliksik
AI na marka
73
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Nakahanap ang team ng UC Berkeley ng 45 cheating vulnerabilities sa 13 pangunahing benchmark gamit ang AI Agent. 6 Abril 2026. https://new.nat6.net/fil/news/xzz70gkzl87ypmq36y8hmo2rs/

Tingnan lahat →