CyberArena：在实时对称攻防对抗中评测 AI 智能体

研究人员推出动态对称对抗评测基准 CyberArena，让两个 AI 智能体在隔离沙盒内同时扮演攻击者与防御者，围绕不断变化的服务展开多轮攻防对抗。该基准包含自动生成新环境的流水线以及将比赛动态映射为攻防多维评分的动态模型。在针对 12 个前沿 LLM 智能体的 40 项挑战与 466 场对局评测中，CyberArena 成功拉开了单智能体基准无法区分的模型能力差距。