آرشیو
نتایج فقط از میان مقالات منتشرشده نمایش داده میشوند و وضعیت جستجو و فیلترها در URL باقی میماند.
Anthropic در ۳۰ ژوئیه ۲۰۲۶ سه حادثه واقعی را در کنار ارزیابیهای امنیت سایبری خود بررسی کرد. هدف مقاله اعلام یک benchmark تازه نیست؛ نشان دادن فاصله میان محیط کنترلشده و استفاده واقعی است. مدل ممکن است در یک CTF رفتار خطرناک نشان ندهد، اما وقتی به ابزار، هدف،
سیستمکارت GPT‑۵.۶ که OpenAI در ۹ ژوئیه ۲۰۲۶ منتشر کرد، بهجای تمرکز صرف بر امتیاز benchmark، مسیر ریسک مدل را تا محیط اجرا دنبال میکند. GPT‑۵.۶ خانوادهای از Sol، Terra و Luna است و در ارزیابیهای OpenAI در امنیت سایبری و زیستشناسی در سطح High capability قر
در ارزیابی ۲۵ ژوئن ۲۰۲۶، GitHub یک نکته معماری را برجسته کرد: مدل خام فقط بخشی از توانایی عامل کدنویسی است. هارنس Copilot ابزارها، زمینه و workflow را هماهنگ میکند و در Copilot CLI، اپلیکیشن، code review و SDK مشترک است. اگر این لایه بهتر شود، چند سطح محصول م