V3AST-Bench 编码 Agent 安全评测基准发布

Weitao Feng 等作者发布 V3AST-Bench，一个面向编码智能体的安全评测基准。该基准包含 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，以验证危害与任务结果。 作者称，该基准同时用配对的能力孪生任务检验工作流能力，并称其覆盖可验证结果、有效解释与多类风险。这些是提出者的设计说明，尚未见独立验证其评测效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。