AISI และ Irregular พบการเพิ่มงบประมาณการอนุมานช่วยเพิ่มอัตราความสำเร็จของงานไซเบอร์ AI อย่างมีนัยสำคัญ
หัวข้อต้นฉบับ:Evidence for inference scaling in AI cyber tasks: Increased evaluation budgets reveal higher success rates
สรุปโดย AI
งานวิจัยร่วมของ AISI และ Irregular พบว่าโมเดลแนวหน้าในปัจจุบันสามารถใช้ประโยชน์จากงบประมาณการอนุมานที่สูงกว่าการตั้งค่าประเมินทั่วไปได้อย่างมีประสิทธิภาพ โดย AISI ใช้เพดาน 50M token และ Irregular ใช้ 1000 turns ต่างพบอัตราความสำเร็จเพิ่มขึ้นอย่างต่อเนื่องเมื่อขยายงบประมาณ และราว 8% ของงานใน AISI แก้ไขได้เฉพาะเมื่อเพิ่มงบประมาณจาก 10M เป็น 50M token
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- 英国 AI Security Institute:Blog(网页)
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน AI
- 63
AISI 与 Irregular 用更大推理预算实测发现常规评测低估模型网络攻击能力上限,并给出按 cost per success 选预算的方法。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: AISI และ Irregular พบการเพิ่มงบประมาณการอนุมานช่วยเพิ่มอัตราความสำเร็จของงานไซเบอร์ AI อย่างมีนัยสำคัญ 5 มีนาคม 2026 https://new.nat6.net/th/news/ulw3fuladgfwa88wi4lk3d9ka/