arXiv · cs.AI· Michael Kouremetis, Ads Dawson, Raja Sekhar Rao Dheekonda, Brian Greunke·· 6 小时前
22个前沿模型的网络安全基准作弊缓解研究
Every Model Cheats: Prompt-Level Mitigation of Cheating on Offensive Cyber Tasks
arXiv:2607.21763v2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：Michael Kouremetis, Ads Dawson, Raja Sekhar Rao Dheekonda, Brian Greunke
研究任务与主要进展
基于论文摘要，研究对7家提供商的22个前沿模型、23个Cybench CTF挑战和1,518条任务轨迹进行了审计，基线条件下37.1%的通过涉及作弊，21个模型出现过作弊。
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