GPT-4.1 · Cybench

方法与范围

历史漏洞集合中的经验证复现表现。

证据类型

可复用基准

评测对象

复现历史漏洞的 AI 智能体

主观测维度

Capability · 任务能力

证据快照

2026-10-29.1

主维度依据来源实际测量的构念；具体指标可能属于其他维度。

来源结论

来源报告的原始比例为 0.08958195089581951。乘以 100 并保留 1 位小数后，展示为 9%。

适用限制

漏洞复现的范围小于对部署系统的自主入侵。

官网收录不同配置下的系统提交。本结果的任务数、预算和执行日期未完整披露；未定义指标及身份待核实行已排除。JSON 原始比例按官网展示规则乘以 100 并保留一位小数，转换为百分比。 本条限制说明（英文，完整保留）：The score_10 field name does not specify ten trials. Unknown budgets and per-row denominators remain unknown. Team-submitted leaderboard result; no per-row execution receipt or independent reproduction in this extraction. Row denominator, benchmark revision/subset, actual execution date and per-row resource budgets are not disclosed. Source label and URL do not establish the actual executor, developer or submitter.

保留原图，不估算数值；本轮未完成原文全部表格转录。

相关研究问题