CyberArena：实时攻防对抗评测AI智能体

研究团队提出并发布 CyberArena，一个动态、对称的攻防对抗基准：两个智能体在隔离沙盒中按相同规则同时扮演攻击方和防御方，围绕持续变化的服务进行多轮对抗。团队用自动化流水线持续生成、审核和验证新环境，并提出动力学模型，把对局动态映射为进攻、防御和领域能力的多维统一评分。 在 40 个挑战、466 场对局中评测 12 个前沿 LLM 智能体后，该基准区分出了单智能体基线触及上限时各模型的能力差异。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。