UC Berkeley टीम ने AI Agent का उपयोग करके 13 मुख्य बेंचमार्क में 45 चीटिंग खामियों का पता लगाया
मूल शीर्षक:We Scored 100% on AI Benchmarks Without Solving a Single Problem
AI सारांश
UC Berkeley टीम ने एक पूर्ण-स्वचालित ऑडिटिंग एआई एजेंट तैयार किया, जिसने FrontierCS, Terminal-Bench, WebArena और SWE-bench सहित 13 व्यापक रूप से उपयोग किए जाने वाले AI बेंचमार्क में 45 सत्यापित चीटिंग रणनीतियों की खोज की, और सभी 13 बेंचमार्क को critical जोखिम के रूप में आंका गया।
मुख्य जानकारी
- UC Berkeley टीम ने एक पूर्ण-स्वचालित ऑडिटिंग एआई एजेंट तैयार किया
- जिसने FrontierCS,Terminal-Bench,WebArena और SWE-bench सहित 13 व्यापक रूप से उपयोग किए जाने वाले AI…
- और सभी 13 बेंचमार्क को critical जोखिम के रूप में आंका गया।
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 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。
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: UC Berkeley टीम ने AI Agent का उपयोग करके 13 मुख्य बेंचमार्क में 45 चीटिंग खामियों का पता लगाया। 6 अप्रैल 2026। https://new.nat6.net/hi/news/xzz70gkzl87ypmq36y8hmo2rs/