RH-Detect：统一奖励黑客检测基准
Get the story
RH-Detect 是一个面向奖励黑客检测的统一基准。它汇总了 11 个公开数据集中与奖励黑客相关的子集，共 92,761 行、6 类行为，并统一为通用 schema。研究者在 5,021 个开放式评测单元上，以零样本方式评测了 6 个现成模型作为检测器。最佳模型的 pooled AUROC 为 0.962，准确率超过 93%；但在 MALT 和 TRACE 两个多轮工具使用数据集上，最强 4 个模型的准确率低了 10.7–15.9 个百分点。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryRH-Detect：统一奖励黑客检测基准
RH-Detect 汇总 11 个公开数据集中与奖励黑客相关的子集，共 92,761 行、6 类行为，统一为通用 schema。在 5,021 个开放式评测单元上，6 个现成模型作为检测器零样本评测，最佳模型 pooled AUROC 0.962、准确率超 93%；但在 MALT 和 TRACE 两个多轮工具使用数据集上，最强 4 个模型准确率低 10.7–15.9 个百分点。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.