实体 SkillLifeBench

SkillLifeBench

PulseAugur coverage of SkillLifeBench — every cluster mentioning SkillLifeBench 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_324576 · Oct 27 · 04:00

新的SkillLifeBench基准揭示了AI代理技能生命周期中的安全漏洞

一个名为SkillLifeBench的新基准已被开发出来，用于评估AI代理技能在其整个生命周期中的安全性，包括实现、接口、运行时、组合和版本更改。该基准包含388个配对场景，并用于测试14个模型。值得注意的是，GPT-5.6-Sol和Claude Sonnet 4.6在运行时任务上的表现相似，均达到82.0%，但在生命周期任务上的表现却显著不同，GPT-5.6-Sol得分为96.7%，而Sonnet 4.6得分为56.7%。研究还发现…