NVIDIA AVO 的 100% ARC-AGI-3 结果测量的是工具链，而不是模型
NVIDIA AVO 通过了 ARC-AGI-3 的公开集，但该基准没有隔离工具链的贡献，也没有在私有任务上测试泛化。
标签
#agent-harnesses
2篇文章使用此标签.
HarnessRisk 说明为什么一个提示词注入演示无法衡量代理安全性
HarnessRisk 报告不同模型与代理 harness 组合之间存在广泛的安全差异，并发现配置阶段比其测试的其他生命周期阶段更脆弱。
标签
2篇文章使用此标签.
NVIDIA AVO 通过了 ARC-AGI-3 的公开集，但该基准没有隔离工具链的贡献，也没有在私有任务上测试泛化。
HarnessRisk 报告不同模型与代理 harness 组合之间存在广泛的安全差异，并发现配置阶段比其测试的其他生命周期阶段更脆弱。