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
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
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/