跳到正文
热点事件持续更新

AutoBaxBench复测显示模型安全代码仍易出错

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

markveroe 团队更新 AutoBaxBench 并复测前沿模型,结论是模型生成代码的能力明显进步,但产出仍存在大量漏洞,尚未稳定达到安全要求。 分难度看,Claude Fable 5.2 在 Easy 档“正确且安全”的比例为 89%,到 Hard 档降至 68%;Muse Wonder 的正确率为 93%—96%,但 Medium 和 Hard 档真正正确且安全的比例仅为 48%—49%。

AI 根据报道生成 · 49 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. AGI Hunt
    AutoBaxBench 复测:前沿模型代码安全能力仍大面积翻车

    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%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。