ParanoiaEval：编码Agent不必要防御行为基准
热点事件持续更新
ParanoiaEval：编码Agent不必要防御行为基准
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Hanjun Luo 等作者发布基准 ParanoiaEval，用于统一评测编程智能体的风险处理能力。该基准基于软件工程风险管理的 Avoidance-Transfer-Mitigation-Acceptance 框架，包含 200 个证据受控的仓库级任务对。 在 8 个代表性模型上的实验显示，即便有明确证据，仍有 11.2%-58.7% 的运行出现不必要的风险处理；作者称更强的任务能力并不保证更恰当的风险处理。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
ParanoiaEval：首个评测编程智能体不必要防御行为的基准报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.SEParanoiaEval：首个评测编程智能体不必要防御行为的基准
ParanoiaEval 是首个统一评测编程智能体风险处理能力的基准，基于软件工程风险管理的 Avoidance-Transfer-Mitigation-Acceptance 框架，包含 200 个证据受控的仓库级任务对。在 8 个代表性模型上的实验显示，即便有明确证据，仍有 11.2%-58.7% 的运行出现不必要的风险处理，且更强的任务能力并不保证更恰当的风险处理。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。