Chenxu Zhang提交智能体技能安全基准论文
热点事件持续更新
Chenxu Zhang提交智能体技能安全基准论文
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Chenxu Zhang 向 arXiv 提交了 SkillLifeBench 论文，介绍一套评测智能体技能全生命周期安全性的基准，将技能实现代码、选定版本和实际加载的实现与任务结果关联起来。 该基准覆盖 388 个配对场景，评测 14 个模型。报告显示，GPT-5.6-Sol 与 Sonnet 4.6 的运行时任务结果均为 82.0%；生命周期任务结果则分别为 96.7% 和 56.7%。
AI 根据报道生成 · 56 分钟前更新
最新进展10月28日 12:00
SkillLifeBench：评测智能体技能全生命周期的安全性报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningSkillLifeBench：评测智能体技能全生命周期的安全性
SkillLifeBench 将技能实现代码、选定版本和实际加载实现与任务结果关联，用于评测智能体技能全生命周期的安全性。该基准覆盖 388 个配对场景，评测 14 个模型；GPT-5.6-Sol 与 Sonnet 4.6 在运行时任务均为 82.0%，生命周期任务分别为 96.7% 和 56.7%。
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。