AutoBaxBench复测显示模型安全代码仍易出错
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
最新进展11月17日 09:37
AutoBaxBench 复测:前沿模型代码安全能力仍大面积翻车报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- AGI HuntAutoBaxBench 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。