白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

Measuring AI Agents’ Progress on Multi-Step Cyber Attack Scenarios

评估智能体在多步网络场景中的自主推进。

来源与出处 ↓ 阅读研究记录 →

任务与测量

Benchmark 协议档案

任务/对象
两套专设网络靶场中的智能体
测量目标
在两套明确靶场及不同推理预算下的任务推进。
解释边界
专设研究不代表现实网络攻击成功概率。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息;已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
模型代际与推理预算如何影响连续靶场任务进展?
任务与样本
七个模型在32步、7步两个定制靶场测试;近期模型的100M令牌端到端条件各运行五次。
判分与失效情形
按完成靶场步骤数计,最佳运行不同于平均进展。
系统条件
区分10M与100M令牌,近期高预算端到端单元五次尝试。
统计含义
来源报告的结果表述;这不等同于已确定运行次数、分母或估计方法: 10M令牌下,企业靶场平均进展从GPT-4o的1.7步升至Opus 4.6的9.8步。 最佳单次完成22/32步,并非平均完成率。
效度与解释
仅两个定制靶场,高预算样本较小;披露还可能削弱未来保留集有效性(§5)。
适用研究问题
模型建议:匹配令牌预算,并在最佳进展旁报告运行差异。
原始来源图表与材料
Measuring AI Agents’ Progress on Multi-Step Cyber Attack Scenarios — Figure 7
Figure 7 · 原文 Figure 7。请结合下方的协议范围与局限阅读。 查看原图 ↗

相关研究问题

参考文献

  1. [1] Linus Folkerts, Will Payne 等. Measuring AI Agents’ Progress on Multi-Step Cyber Attack Scenarios. Research page checked 2026-10-25 ; Official publication masthead and article byline
  2. [2] Linus Folkerts, Will Payne 等. Measuring AI Agents’ Progress on Multi-Step Cyber Attack Scenarios ; Figure 7