多机构团队发布CyberArena网络安全Agent对抗基准
热点事件持续更新
多机构团队发布CyberArena网络安全Agent对抗基准
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
由2077AI、UC Berkeley RDI、UC Santa Cruz、UCSB等多机构研究团队共同设计发布的CyberArena基准，放弃传统单机评测，参考攻防夺旗形式搭建对称式竞技场。12款前沿模型在此对局，每个Agent需同时扮演黑客攻击对手并作为运维防御己方服务。 基准最终完成22个批次共466场有效对局。评测结果显示动态对抗性能差距显著，OpenAI的GPT-5.6 Sol以78.6分居首，Anthropic的Claude Opus 5以73.8分居次，直观展示了当前模型在网络攻防场景下的实际表现与局限。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 18:00
CyberArena 评测显示 466 场 Agent 攻防对局中动态对抗性能差距显著报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- 机器之心精选CyberArena 评测显示 466 场 Agent 攻防对局中动态对抗性能差距显著
CyberArena 是一个对称式攻防竞技场，通过 22 个批次共 466 场有效对局评估 12 款前沿模型。评测显示，OpenAI 的 GPT-5.6 Sol 以 78.6 分位列第一，Anthropic 的 Claude Opus 5 以 73.8 分位列第二。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。