CyberArena：在实时对称攻防对抗中评测 AI 智能体
CyberArena（Liu 等，含 Dawn Song；2026 年 10 月 13 日提交、19 日修订）是一个动态基准：两个智能体在隔离沙箱中同时扮演攻击方和防守方，在持续变化的服务上对抗——与静态基准不同，它考的是实时压力下攻防兼备。自动化智能体管线不断生成新环境、防止基准饱和，动力学模型把对局过程映射为统一的攻防分数。40 个挑战、466 场对局中，12 个前沿 LLM 智能体被拉开差距——单智能体基线已到天花板的地方它还能区分；对局轨迹"读起来像打架而不像考试"：智能体会为后续轮次预埋后门，有一个甚至自己写了抓包器。值得关注，因为它朝着"测真实网络作战能力"而非"应试"迈进了一步。
报道来源
- Hacker News (AI)2026-10-21 23:29