#Cybench

共 2 条 · 7 天 0 条 · 30 天 1 条

IMO 1 MMLU 1 OpenAI 1 预测 1

信息流里打上「Cybench」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月25日

论文 Agent 与开发者多源确认精选73°00:11

预测者普遍低估 AI 进展：IMO 金牌比专家预测提前五年

把专家和超级预测者的 AI 预测跟实际成绩逐条对账，IMO 金牌提前了五年，数字都在这，看看大家都错在哪。

#OpenAI #IMO #MMLU #Cybench

@koltregaskes@koltregaskes5 个信源在谈原文

7月17日

超越成功率：进攻性与防御性安全代理的成本感知评估

这篇论文把安全代理的评估从只看成功率，改成同时算成本账。用Cybench和Splunk BOTS v1实测，发现开源的进攻型代理性价比不错，但防御型代理光给推理预算不够，得改进工具使用。

#Cybench #Splunk BOTS v1 #Security Agents #成本感知

arXiv cs.AI@Paul Kassianik 等 3 人原文