事件历史事件
CyberArena：AI 智能体实时攻防对抗基准
先了解这件事
AI 综述
研究者提出 CyberArena，一个让 AI 智能体在实时对称攻防对抗中比拼的动态基准：两个智能体在隔离沙箱中按相同规则、在持续变化的服务上并发充当攻击者和防御者，把静态靶标变成不断演化的半开放挑战，并配套自动化流水线持续生成、审核和验证新环境以维持基准寿命。基准用动态模型把对局映射为进攻、防御和领域能力的多维评分，在 40 个挑战、466 场对局中评测了 12 个前沿 LLM 智能体。
AI 根据报道生成 · 29 天前更新
走势与进展
每小时关注度
现在 37，24 小时 0%·峰值 37（11月6日 03:00）
11月7日11月8日11月9日11月10日11月11日11月12日11月13日现在 37
相关研究
这件事的论文
- CyberArena：在实时对称攻防对抗中评测 AI 智能体
arXiv · 2026-10-13 · 深度解读
后续时间线
10月21日
- 小红书小红书 刘东瑞 上海 AI Lab· 讨论CyberArena: 评测Agent实时攻防对抗基准（新标签页打开原帖）
10月14日
- arXivCyberArena：在实时对称攻防对抗中评测 AI 智能体
研究者提出 CyberArena，一个让 AI 智能体在实时对称攻防对抗中比拼的动态基准，评测智能体同时进攻与防御的能力。两个智能体在隔离沙箱中按相同规则、在持续变化的服务上并发充当攻击者和防御者，把静态靶标变成不断演化的半开放挑战；配套的自动化流水线持续生成、审核和验证新环境以维持基准寿命。基准用动态模型把对局映射为进攻、防御和领域能力的多维评分，在 40 个挑战、466 场对局中评测了 12 个前沿 LLM 智能体。作者称，对局轨迹更像打斗而非考试，防御者修补一个漏洞却漏掉下一个、凭过期证据认证修复，能力较强的智能体提前布局、为后续轮次植入后门，个别案例中自行编写数据包嗅探器监视对手。
相关讨论
共1条
- 72 小时以前 · 不计入 72 小时的数字
- 小红书小红书 刘东瑞 上海 AI LabCyberArena: 评测Agent实时攻防对抗基准（新标签页打开原帖）