HF 上线 safeagents judge bench 官方榜单,小模型当 agent 安全裁判
yb2698 · x · 2026-11-10
safeagents judge bench 已在 Hugging Face 上线官方基准榜单:数据集含 661 条被扫描器标记的真实 agent 工具调用,标注 allow/block 及滥用类型(reward hacking、harness introspection、credential misuse 等),Apache-2.0 许可。
榜单按 balanced accuracy 评分、可按参数规模筛选,评测小型决策模型作为 agent 安全裁判的能力;当前部分成绩:d3-ultra 0.76、d3-turbo 0.72 等。
所属事件:safeagents judge bench v2 上线 HF 榜单，小模型任 agent 安全裁判(3 条相关)→
「编程与Agent」频道最新
- YC F26 项目 0.security 出击：自主安全团队直接修漏洞，已发现 30+ Linux 内核 0-day — ycombinator · 2026-11-11
- 单 VM 开 10 个 DeepSeek v4.1 agent 组队找漏洞，「效果出奇地好」 — andersonbcdefg · 2026-11-11
- 未能中奖后自制 AI 霓虹灯牌：能听会说还会派活 — alexcovo_eth · 2026-11-11
- Vercel Security Review 上线一周扫出 57,897 个漏洞，Agent 自动修复 14,665 个 — cramforce · 2026-11-11
- 小模型用对RLVR可追平巨头,Python动态类型致负迁移 — mdancho84 · 2026-11-11
- 字节阿里腾讯等50名研究者发布303页代码智能与Agent实战指南 — mdancho84 · 2026-11-11