AI 代理评测不能只靠厂商自定标准
_FelixSimon_ · x · 2026-07-22
这条继续补充同一场 AI 代理研讨会的核心结论：与会者认为应当加强独立评测与测试，因为当前围绕模型评测和排行榜的透明度仍然很差。
他们还指出，只靠厂商自定标准、没有外部审查，很难真正建立对 agent 系统的信任。
所属事件:AI智能体研讨会：系统级交互风险加剧，亟需独立评测(5 条相关)→
「安全」频道最新
- 论文实测:推理模型几乎无法控制自己的思维链 — tomekkorbak · 2026-10-27
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- 首个数据中心噪音系统研究:25 座超大规模机房中 17 座无可信投诉 — AndyMasley · 2026-10-27
- AISI:80 美元算力微调即可绕过开放生物模型的数据过滤 — connoraxiotes · 2026-10-27
- Muse Spark 1.3 安全报告:CoT 可控性评估首次对标四大厂商 — tomekkorbak · 2026-10-27
- Meta TBD 模型发布前获 5 家第三方红队安全测评 — maksym_andr · 2026-10-27