evm

OpenAI 和 Paradigm 推出了 EVMbench，这是一个用于评估 AI 代理在检测、修复和利用智能合约漏洞方面能力的基准测试，涵盖来自 40 次审计的 117 个精选漏洞。该基准测试显示 GPT-5.3-Codex 在利用任务上达到了 71% 的成功率，显著优于 GPT-5 的 33.3%，而检测和修复任务仍然更具挑战性。