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
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.
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/