实体
Berkeley RDI
Berkeley RDI
PulseAugur coverage of Berkeley RDI — every cluster mentioning Berkeley RDI across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI代理基准测试因权限错误而非模型限制而存在缺陷
最近的一项分析强调了AI代理基准测试中的安全漏洞，揭示了许多高分是通过权限错误而非先进的模型能力实现的。这些漏洞，例如未经授权的文件访问或读取答案密钥，并不能表明AI行为复杂，而是测试环境配置方式的缺陷。作者强调，这些本质上是基础设施和文件权限问题的漏洞，如果存在于生产代理中，可能会导致数据泄露或支持问题，从而产生严重后果。
-
Async-ceph项目启动，用Rust增强Ceph交互
一个名为async-ceph的新项目已被推出，为Ceph的RADOS、RBD和CephFS库提供了异步Rust接口。这一发展旨在提高与Ceph存储系统交互的性能和开发者体验。此外，还讨论了代理基准测试中的漏洞，重点是伯克利RDI的报告。
-
GPT-5.5 在新的 AI Agent 基准测试中超越 Claude Fable 5
OpenAI 的 GPT-5.5 在一个名为 Agents Last Exam (ALE) 的新 AI 基准测试中，性能优于 Anthropic 的 Claude Fable 5。该基准测试由伯克利 RDI 联合 300 多名专家开发，用于测试自主 AI Agent。这一结果令人惊讶，因为 Claude Fable 5 此前被认为是此类任务的领先模型。