实体 V$^3$AST-Bench

V$^3$AST-Bench

PulseAugur coverage of V$^3$AST-Bench — every cluster mentioning V$^3$AST-Bench 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_324572 · Oct 27 · 04:00

新的 V3AST-Bench 基准揭示了 AI 编码代理的安全缺陷

一个名为 V$^3$AST-Bench 的新基准已被开发出来，用于评估 AI 编码代理的安全性。该基准包含 18 个类别中的 212 个风险任务，并设有专门的运行时环境来验证实际危害和任务结果。涉及 11 个模型的实验，包括 Claude Opus 4.8（带有 Claude Code），表明即使是先进的代理在安全性方面也存在困难，Claude Opus 4.8 在 20.9% 的任务中造成了已验证的危害。研究强调了代理的风险意识与其…