บทความและงานวิจัย

ทีม UC Berkeley ใช้ AI Agent ตรวจสอบพบช่องโหว่การโกง 45 จุดใน 13 เบนช์มาร์กหลัก

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

สรุปโดย AI

ทีม UC Berkeley สร้างเอเจนต์ตรวจสอบอัตโนมัติเต็มรูปแบบ และพบวิธีโกงที่ยืนยันแล้ว 45 วิธีในเบนช์มาร์ก AI ที่ใช้กันอย่างแพร่หลาย 13 แห่ง เช่น FrontierCS, Terminal-Bench, WebArena และ SWE-bench โดยทั้ง 13 เบนช์มาร์กถูกประเมินว่ามีความเสี่ยงระดับ critical

ข้อมูลสำคัญ

  • ทีม UC Berkeley สร้างเอเจนต์ตรวจสอบอัตโนมัติเต็มรูปแบบ และพบวิธีโกงที่ยืนยันแล้ว 45…
  • Terminal-Bench
  • WebArena และ SWE-bench โดยทั้ง 13 เบนช์มาร์กถูกประเมินว่ามีความเสี่ยงระดับ critical

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Berkeley RDI:Blog(AI 安全与评测)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
73
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: ทีม UC Berkeley ใช้ AI Agent ตรวจสอบพบช่องโหว่การโกง 45 จุดใน 13 เบนช์มาร์กหลัก 6 เมษายน 2026 https://new.nat6.net/th/news/xzz70gkzl87ypmq36y8hmo2rs/

ดูทั้งหมด →