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。
来源：Berkeley RDI：Blog · rdi.berkeley.edu