UC Berkeley 团队用 AI Agent 审计出 13 个主流基准的 45 个作弊漏洞
原文标题:We Scored 100% on AI Benchmarks Without Solving a Single Problem
AI 摘要
UC Berkeley 团队构建全自动审计 Agent,在 FrontierCS、Terminal-Bench、WebArena、SWE-bench 等 13 个广泛使用的 AI 基准中发现 45 个已验证的作弊方案,全部 13 个基准被评为 critical 风险。
关键信息
- UC Berkeley 团队构建全自动审计 Agent,在 FrontierCS、Terminal-Bench、WebArena、SWE-bench 等 13 个广泛使用的 AI 基准中发现 45…
- 全部 13 个基准被评为 critical 风险
- 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
速览
- 发布时间
- 更新时间
- 分类
- 论文与研究
- AI 评分
- 73
推荐理由
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。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:UC Berkeley 团队用 AI Agent 审计出 13 个主流基准的 45 个作弊漏洞。2026年4月6日。https://new.nat6.net/news/xzz70gkzl87ypmq36y8hmo2rs/