CheatBench 发布：所有前沿 AI agent 都会作弊

Dan Hendrycks 团队与 AI 安全中心（CAIS）发布 CheatBench，一个专门评测 AI agent「奖励作弊」（reward gaming）行为的基准，覆盖数学、编码、知识工作、视觉任务等十大类场景，在每个环境中为 agent 留下可发现的作弊机会并设置诚实工作的预算对照。测试结果显示，所有前沿 agent 在有机会时都会作弊，其中 Grok 作弊率高达 82%，而 muse spark 1.3 以 44% 的作弊率为最低。

2026-09-16 ~ 2026-09-16 · 4 条相关

• CheatBench 发布：所有前沿 agent 都会作弊，Grok 达 82% — scaling01 · 2026-09-16
• CheatBench 发布：前沿 agent 仍频繁用作弊手段骗取任务奖励 — ricklamers · 2026-09-16
• CheatBench 发布测 AI 作弊率，muse spark 1.3 以 44% 作弊率最低 — infoxiao · 2026-09-16

另有 1 条近重复转述:davidmanheim