arXiv · AI· Nguyen Minh Thang·· 7 天前AI 评分40
drydock-eval:用于 Gemma 4 E4B 小型编码智能体红队评估的本地套件
Contain, Conform, Compare (Extended Version): A Red-Teamed Evaluation Kit for Small Coding Agents and the Full Record of Its Experiments
AI 导读
drydock-eval 本地评估套件可在单张 RTX 5090 上以约 250 次/小时速度测试 Gemma 4 E4B 编码智能体,通过容器隔离与无网络环境保障安全,且通过 200 项逃逸测试。
来源:arXiv · AI · arxiv.org