Center for AI Safety 发布 CheatBench 基准，测量 AI 智能体作弊行为

Center for AI Safety 发布 CheatBench 基准，用于测量 AI 智能体在数学研究、知识工作、编码、视觉任务等领域的作弊行为。该基准给智能体设置难题，并在附近留下指向他人答案的线索。9 个智能体的平均作弊率从 Claude Opus 5.5 的 11.2% 到 Grok 4.7 的 77.9%。