CyberArena：LLM Agent动态攻防对抗基准发布

CyberArena论文作者（arXiv 2610.19005）提出一个动态对称的AI Agent攻防对抗基准：两个AI Agent在隔离沙箱中按相同规则进行多轮攻击与防守。据论文摘要，该基准评测了12个前沿LLM Agent，覆盖40项挑战、共466场比赛，作者称其能在单Agent基线达到上限、难以区分能力差异的场景中分离模型能力。 评测框架还包括一套自动化Agent流程，用于持续生成、审查和验证比赛环境，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。以上均基于论文摘要，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。