实体 RiskChainBench

RiskChainBench

PulseAugur coverage of RiskChainBench — every cluster mentioning RiskChainBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

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 1 条

TOOL · CL_257025 · Sep 16 · 04:00

新基准测试评估AI发现隐藏在线风险的能力

研究人员推出了RiskChainBench，这是一个旨在评估AI模型恢复混淆平台消息以及随后调查相关网站风险能力的新基准测试。该基准测试将合成的token-text恢复输入与人工标记的网络环境配对，评估了视觉语言模型的消息恢复准确性和后续网络调查能力。对十个模型的初步测试显示出显著的性能差异，主要的挑战在于执行失败和探索瓶颈，而非最终的风险判断。