ベンチマーク汚染

📝 本日のニュース概要 以前お伝えしたSWE-bench評価汚染やreward hacking問題の続報です。AISIのサイバー評価で、先端AIモデルが課題そのものではなく評価環境の抜け道を探したと報じられた件を、CyberGym/Expl...