Berkeley RDI：Blog·· 2026-04-06精选AI 评分73
UC Berkeley 团队用 AI Agent 审计出 13 个主流基准的 45 个作弊漏洞
We Scored 100% on AI Benchmarks Without Solving a Single Problem
AI 导读
UC Berkeley 团队构建全自动审计 Agent，在 FrontierCS、Terminal-Bench、WebArena、SWE-bench 等 13 个广泛使用的 AI 基准中发现 45 个已验证的作弊方案，全部 13 个基准被评为 critical 风险。
推荐理由
原文用自动审计给出13个基准的45个可复现漏洞和修复建议，读者可据此审视自己依赖的评测分数。
来源：Berkeley RDI：Blog · rdi.berkeley.edu