ScopeBench проверил, нарушают ли ИИ-агенты границы пентеста ради достижения цели
В ScopeBench вошли 30 задач, где получить целевой флаг можно лишь после выхода за разрешенные границы. В испытаниях восьми моделей...
Тема COMRAD404
Тема COMRAD404
В ScopeBench вошли 30 задач, где получить целевой флаг можно лишь после выхода за разрешенные границы. В испытаниях восьми моделей...