热点事件持续更新
ParanoiaEval：评测智能编码代理不必要的防御性工作
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，研究者在arXiv发布ParanoiaEval，这是首个统一评测编码智能体风险处置能力的基准。该基准基于Avoidance-Transfer-Mitigation-Acceptance框架，包含200个证据控制的仓库级任务对。实验覆盖8个代表性模型，结果显示：尽管有明确证据，仍有11.2%至58.7%的运行出现不必要的风险处置；同时发现更强的任务能力并不保证更恰当的风险处置。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
ParanoiaEval基准发布，8个模型实验显示11.2%-58.7%运行存在不必要风险处置。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Software EngineeringParanoiaEval：评测智能体编码中不必要的防御性工作
研究者推出 ParanoiaEval，首个统一评测编码智能体风险处置能力的基准，基于 Avoidance-Transfer-Mitigation-Acceptance 框架，包含 200 个证据控制的仓库级任务对。实验覆盖 8 个代表性模型，发现尽管有明确证据，11.2%-58.7% 的运行仍出现不必要的风险处置，且更强的任务能力并不保证更恰当的风险处置。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。