NUWA Catastrophic Cyber Capabilities Benchmark (3CB): Robustly Evaluating LLM Agent Cyber Offense Capabilities
研究问题网络能力评价对激发及通信格式有多敏感？
来源摘要所报混合效应分析中GPT-4o用XML较JSON提高24.7个百分点，p<0.001。
NUWA 研究解读 · 独立复核待完成
研究机构
Apart Research
角色与署名遵循所引原始资料。来源核验不等于独立复现实验。
更多筛选 →Sleeper Agents : Training deceptive LLMs that persist through safety training
研究问题欺骗性条件行为一旦存在，常规安全训练是否可靠地移除它？
来源摘要部分后门在这些干预后仍存在。
NUWA 研究解读 · 独立复核待完成