Hacker News · AI· neutrinoliu·· 3 小时前AI 评分44
CyberArena: Benchmarking AI Agents in Live Symmetric Attack-and-Defense Combat
CyberArena: Benchmarking AI Agents in Live Symmetric Attack-and-Defense Combat
AI 导读
CyberArena 是一个动态对称对抗基准，用于实时测试 AI 智能体在攻防作战中的能力。该基准通过多轮攻防竞赛，将静态目标转化为持续变化的半开放挑战，直接评估智能体发现、利用和修补漏洞的速度与精度。研究者在 466 场比赛中评估了 12 个前沿大语言模型智能体，揭示了单智能体基准难以体现的能力差异。
来源：Hacker News · AI · arxiv.org