NUWA 证据记录
GPT-5.4 mini (xhigh)
CTF-Archive-Diamond · 证据记录
原始来源图表与材料
CTF-Archive-Diamond
原始评测方结果 · 来源顺序
筛选系统
Task accuracy
0–100%
GPT-5.4 mini (xhigh)GPT-5.4 mini (xhigh) · 32% · CAISI 采用 pwn.challenge 集合的 285 项高难度 CTF 挑战；模型插补结果单独标记。 · Inspect ReAct · 见报告特定样本与分母。
32%显示 1 / 1 个系统
CAISI 采用 pwn.challenge 集合的 285 项高难度 CTF 挑战；模型插补结果单独标记。
CTF 不是现实行动攻击；子集插补值不是全量直接观察的成功率。 本评估显示报告日期和原始执行方。
评测条件与系统配置
- GPT-5.4 mini (xhigh)
- 见报告特定样本与分母。 · CTF-Archive-Diamond
- modelVersion: GPT-5.4 mini (xhigh) · harness: Inspect ReAct · tools: CTF task environment · budget: 1M weighted tokens
| 系统 / 配置 | Task accuracy | 发表 / 核验日期 |
|---|---|---|
| GPT-5.4 mini (xhigh)Inspect ReAct | 32% | 发表2026-05-01 |
评估出处
CAISI Evaluation of DeepSeek V4 Pro → · 外部报告
实际评测: 美国 NIST／CAISI · 模型档案 →
方法与范围
CAISI 采用 pwn.challenge 集合的 285 项高难度 CTF 挑战；模型插补结果单独标记。
- 证据类型
- 可复用基准
- 评测对象
- 给定任务配置中的模型或智能体。
- 主观测维度
- Capability · 任务能力
- 证据快照
- 2026-10-29.1
主维度依据所述测量确定；背景风险关联不证明有害部署能力。
来源结论
原文 Capability Results; Figure 2; *** footnote 报告的测量；转录不等于独立复现实验。
适用限制
CTF 不是现实行动攻击；子集插补值不是全量直接观察的成功率。
CTF 不是现实行动攻击；子集插补值不是全量直接观察的成功率。
相关研究问题
网络安全 / 网络任务执行 →
该协议明确测量该问题或其使能子能力，结论保留给定条件。
参考文献
数值结果由所引研究的作者报告。
- [1] CTF-Archive-Diamond. 2026-05-01. 1 May 2026 ; Capability Results; Figure 2; *** footnote