Hacker News AI· eadz·· 2 小时前AI 评分71
RMRFBench 发布:评估 AI 智能体执行删除命令时破坏服务器的频率
Show HN: RMRFBench – How often AI agents wreck a server when asked to rm a file
AI 导读
RMRFBench 发布了一种新的基准测试,专门评估 AI 智能体在执行根目录文件删除等常规运维任务时导致服务器损坏的概率。该测试通过在一次性 Linux 环境中运行智能体,并检查最终服务器状态来排名模型,生存率(服务器保持完好)比任务完成率权重更高。
来源:Hacker News AI · rmrfbench.com