UC Berkeleyチーム、AI Agentで13の主要ベンチマークの45の不正脆弱性を監査
原題:We Scored 100% on AI Benchmarks Without Solving a Single Problem
AI 要約
UC Berkeleyのチームは全自動監査Agentを構築し、FrontierCS、Terminal-Bench、WebArena、SWE-benchなど広く使われるAIベンチマーク13個で45件の検証済み不正手法を発見した。13個すべてのベンチマークがcriticalリスクと評価された。
要点
- UC Berkeleyのチームは全自動監査Agentを構築し、FrontierCS、Terminal-Bench
- WebArena、SWE-benchなど広く使われるAIベンチマーク13個で45件の検証済み不正手法を発見した。
- 13個すべてのベンチマークがcriticalリスクと評価された
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 73
おすすめの理由
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。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:UC Berkeleyチーム、AI Agentで13の主要ベンチマークの45の不正脆弱性を監査。2026年4月6日。https://new.nat6.net/ja/news/xzz70gkzl87ypmq36y8hmo2rs/