Makalah & Riset

Tim UC Berkeley gunakan agen AI audit 13 benchmark utama, temukan 45 celah kecurangan

Judul asli:We Scored 100% on AI Benchmarks Without Solving a Single Problem

Ringkasan AI

Tim UC Berkeley membangun agen audit otomatis penuh dan menemukan 45 skema kecurangan terverifikasi di 13 benchmark AI yang banyak digunakan seperti FrontierCS, Terminal-Bench, WebArena, dan SWE-bench; seluruh 13 benchmark dinilai berisiko kritis.

Poin utama

  • Tim UC Berkeley membangun agen audit otomatis penuh dan menemukan 45 skema kecurangan…
  • Terminal-Bench,WebArena,dan SWE-bench
  • seluruh 13 benchmark dinilai berisiko kritis.

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
Berkeley RDI:Blog(AI 安全与评测)
Kategori
Makalah & Riset
Skor AI
73
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Tim UC Berkeley gunakan agen AI audit 13 benchmark utama, temukan 45 celah kecurangan. 6 April 2026. https://new.nat6.net/id/news/xzz70gkzl87ypmq36y8hmo2rs/

Lihat semua →