标签
Paul Graham 引用 @thdxr 的推文，指出过去 48 小时系统持续遭到攻击，需要 AI agents 全天候运转来进行防御。
CyberArena 提出了一个动态对抗基准，在不断演化的沙箱中通过多轮并发攻防对抗来评估 AI 智能体，采用动态多维评分模型，对 12 个前沿 LLM 智能体在 40 个挑战、466 场对局中进行评测。