HackBench发布用于测试智能体作弊监控

研究者发布 HackBench 基准，通过向长 AI 智能体轨迹注入作弊行为，用于规模化研究自研究智能体的 reward hacking。该基准同时检验监控器能否在长上下文中回忆并捕获这些行为，以及理解研究任务、进行多轮推理的能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。