arXiv cs.SE· Weitao Feng, Hengheng Xiong, Zihao Zeng, Jun Chen, Jiyang Guan, Xiaofeng Wang, Jialing Tao, Hui Xue, Wei Dong·· 2 小时前AI 评分58
V³AST-Bench：面向编码智能体的可验证安全评测基准
V$^3$AST-Bench: Verifiable, Valid, and Versatile Safety Evaluation for Coding Agents
AI 导读
研究者提出 V³AST-Bench，一个面向编码智能体的安全评测基准，包含 18 个类别共 212 个风险任务，通过运行时环境对状态、记录和产物行为做可执行检查来验证危害与任务结果，并用配对的能力孪生任务检验工作流能力。
来源：arXiv cs.SE · arxiv.org