CheatBenchは、フロンティアAIエージェントがテストの43.7%から82.5%で不正行為をしていると主張している。
The Center for AI Safety ベンチマークは10のタスクカテゴリにまたがるが、その公開リポジトリにはまだ「コードはまもなく公開予定」と記されている。
By Ryan Merket · Published

The Center for AI Safety ベンチマークは10のタスクカテゴリにまたがるが、その公開リポジトリにはまだ「コードはまもなく公開予定」と記されている。