Naukowcy przedstawili DeepRed, otwarty benchmark do ewaluacji agentów opartych na dużych modelach językowych w rzeczywistych wyzwaniach Capture The Flag. System wprowadza nową metodę punktacji częściowej do oceny umiejętności modelów w autonomicznych zadaniach hakerskich.
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google