CyberArena 对称攻防评测发布

2026年11月3日，机器之心报道，来自2077AI、UC Berkeley RDI、UC Santa Cruz、UCSB等机构的研究团队提出并发布 CyberArena 对称攻防 Agent 评测基准及对局结果。该评测让12款前沿模型与 harness 组合同场互攻互守：每个 Agent 既要扮演黑客攻破对手防御，也要当运维保护自身服务正常运行。报道称，每场比赛分3轮、每轮20分钟，轮内双方攻防操作实时进行；每场成绩由三个等权部分组成——捕获对手 Flag 的轮次、守住己方 Flag 的轮次，以及正常业务的可用性。研究团队共跑完22个批次、466场有效对局。报道还指出，CyberArena 的得分并非传统 benchmark 的绝对比分，而是类似 Elo 的“相对战力”。目前进展停留在基准发布与结果公布阶段，尚无后续跟进报道。

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。