arXiv · cs.AI· Bangya Liu, Jianhong Tu, Yueyang Pan, Hanhong Zhao, Zhe Ye, Hongwei Li, Saastha Vasan, Katherine Lambert, Junmin Zhu, Hao Wang, Jienan Chen, Yunze Xiao, Minglai Yang, Zihan Wang, Hairong Yin, Hao Wang, Zhiwen Fan, Tianneng Shi, Zhun Wang, Chenguang Wang, Dawn Song·· 5 小时前
CyberArena：动态攻防对抗中的AI Agent基准评测
CyberArena: Benchmarking AI Agents in Live Symmetric Attack-and-Defense Combat
arXiv:2610.19005v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Bangya Liu, Jianhong Tu, Yueyang Pan, Hanhong Zhao, Zhe Ye, Hongwei Li, Saastha Vasan, Katherine Lambert, Junmin Zhu, Hao Wang, Jienan Chen, Yunze Xiao, Minglai Yang, Zihan Wang, Hairong Yin, Zhiwen Fan, Tianneng Shi, Zhun Wang, Chenguang Wang, Dawn Song
研究任务与主要进展
基于论文摘要，研究团队提出CyberArena，让两个AI Agent在隔离沙箱中按相同规则并发进行多轮攻击与防守；12个前沿LLM Agent在40项挑战、466场比赛中接受评测。作者还引入自动化Agent流程持续生成、审查和验证环境，并用动态模型将比赛过程映射为涵盖进攻、防守及领域能力的统一多维评分。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org