跳到正文
AGI Hunt· scaling01·· 1 小时前AI 评分47

AutoBaxBench 复测:前沿模型代码安全能力仍大面积翻车

AutoBaxBench 复测:前沿模型代码安全仍大面积翻车

AI 导读

markveroe 团队更新 AutoBaxBench,重新测量前沿模型的安全代码生成能力,发现模型虽有明显进步,生成代码仍存在大量漏洞。Claude Fable 5.2 在 Easy 档“正确且安全”比例达 89%,Hard 档降至 68%;Muse Wonder 正确率虽有 93-96%,但 Medium/Hard 档真正正确且安全的仅 48-49%。

来源:AGI Hunt · agihunt.info