CyberArena：在实时对称攻防对抗中评测 AI 智能体

CyberArena 是一个动态、对称的对抗性基准，让两个 AI 智能体在隔离沙箱中按相同规则同时扮演攻击方与防守方，围绕持续变化的服务进行多轮攻防。研究团队用 40 个挑战、466 场比赛评测了 12 个前沿 LLM 智能体，在单智能体基线触及上限处区分出模型能力差异。该基准还引入动力学模型，将比赛动态映射为攻防及领域能力的多维统一评分。