Nhóm UC Berkeley dùng AI Agent kiểm toán phát hiện 45 lỗ hổng gian lận trong 13 benchmark phổ biến
Tiêu đề gốc:We Scored 100% on AI Benchmarks Without Solving a Single Problem
Tóm tắt AI
Nhóm UC Berkeley xây dựng Agent kiểm toán hoàn toàn tự động, phát hiện 45 phương án gian lận đã được xác minh trong 13 benchmark AI được sử dụng rộng rãi như FrontierCS, Terminal-Bench, WebArena, SWE-bench; cả 13 benchmark đều được đánh giá là rủi ro nghiêm trọng.
Thông tin chính
- Nhóm UC Berkeley xây dựng Agent kiểm toán hoàn toàn tự động,phát hiện 45 phương án gian lận đã…
- Terminal-Bench,WebArena,SWE-bench
- cả 13 benchmark đều được đánh giá là rủi ro nghiêm trọng.
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Danh mục
- Bài báo & nghiên cứu
- Điểm 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。
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: Nhóm UC Berkeley dùng AI Agent kiểm toán phát hiện 45 lỗ hổng gian lận trong 13 benchmark phổ biến. 6 tháng 4 2026. https://new.nat6.net/vi/news/xzz70gkzl87ypmq36y8hmo2rs/