Did Codex Reset
GitHub

QQ·微信群

Artificial Analysis 将 Cyber Index 取三项基准的平均值,并把安全拒绝计为零分

Artificial Analysis

Artificial Analysis 表示,Cyber Index 对 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 的分数取平均。模型因安全原因拒绝的任务计为零分。这些安全拦截与失败分开报告,因此可以把拒绝与模型尝试任务但未成功的情况区分开。

计分规则见 Cyber Index 方法说明。完整结果见 Artificial Analysis Cyber Index 评测页面。