V³AST-Bench发布编码智能体安全评估基准

V³AST-Bench正式发布，旨在为编码智能体提供可验证、有效且多用途的安全评估标准。该基准涵盖18个类别、共212项风险任务，通过专用运行时环境量化智能体行为造成的实际危害。 基准测试规模庞大，积累了86,496次试验及超90亿token的交互数据。研究团队对11个模型与5种harness的51种组合进行了系统性验证，确保评估结果的全面性与可靠性。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。