#安全基准

MADBench首次系统评估多智能体辩论安全性，发现三个恶意智能体只能影响28.3%的正确答案。

OpenAI发布GPT-6 Astra，在ARC-AGI基准上接近满分，安全性能大幅超越Claude Fable，编程效率更高且成本更低。

这篇论文用IRT给192个模型的安全基准做心理测量，能把评测成本砍掉97%以上，还能识破模型故意考差或API后门换模型。

做 Web 智能体安全评估的团队会发现 StakeBench 补上了现有基准的盲区——它不只看攻击是否成功，还看谁承担了后果，建议安全研究人员和智能体开发者点开看看。