Qwen 3.8 模型在 CyBench 基准测试中进行了评估，该测试用于测试自主网络能力。在评估中，一个名为 Blackfrost 的系统自主成功完成了 39 个夺旗赛 (CTF) 挑战中的 18 个。然而，Blackfrost 在推理循环和时间限制方面遇到了问题，表明其自主性能存在局限性。 AI
影响 评估人工智能模型的自主网络能力，强调在推理和时间管理方面的局限性。
排序理由 该集群报告了对人工智能模型自主能力进行基准评估的结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
