CyberArena：在实时对称攻防对抗中评测 AI 智能体

CyberArena 是一个动态对称对抗基准，让两个智能体在隔离沙盒中按相同规则同时扮演攻击方和防御方，围绕持续变化的服务进行多轮对抗。研究团队用动态评分模型把对局过程映射为进攻、防御和领域能力三个维度的统一分数，并设计了自动化智能体流水线持续生成和校验新环境。在 40 个挑战、466 场对局中评测 12 个前沿 LLM 智能体，结果显示该基准能在单智能体基线触及上限处区分模型能力。