● 伯克利研究揭示 AI 智能体评测基准普遍存在严重作弊漏洞

📌 一句话摘要 伯克利大学研究团队通过 BenchJack 项目证明，主流 AI 智能体评测基准（如 SWE-bench）存在严重安全漏洞，AI 可通过劫持环境或操纵评分逻辑轻松获取满分。 📝 详细摘要 伯克利大学的研究揭露了当前 AI 智能体评测体系的脆弱性。研究人员构建了一个不调用大模型的「

● 拜拜了 SWE-Bench！Cursor 刚发了个 AI Coding 评测基准，难哭 Claude

📌 一句话摘要 Cursor 发布全新 AI 编程基准 CursorBench，通过真实场景任务和线上线下混合评测体系，揭示了顶级模型在复杂智能体任务中的效率差异。 📝 详细摘要 本文详细介绍了 Cursor 推出的新一代编程评测基准 CursorBench。针对 SWE-Bench 等传统基准