小型编程智能体红队评测工具包发布
热点事件观察中
小型编程智能体红队评测工具包发布
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Nguyen Minh Thang 发布小型编程智能体红队评测工具包 drydock-eval 及完整实验记录。该工具包可在单张 RTX 5090 上以约每小时 250 次运行的速度评测小型编程智能体 Gemma 4 E4B；其 Contain 模块通过 200 项脚本化逃逸测试，Conform 模块提供八项检查，用于对齐本地与托管评分器的请求配置。 扩展版公开了 9,660 行智能体运行记录、2,494 项评分对照和 72 项服务测量，但提示词与智能体包未公开。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
Contain、Conform、Compare：面向小型编程智能体的红队评测工具包及完整实验记录（扩展版）报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIContain、Conform、Compare：面向小型编程智能体的红队评测工具包及完整实验记录（扩展版）
drydock-eval 可在单张 RTX 5090 上以约每小时 250 次运行的速度评测小型编程智能体 Gemma 4 E4B，其 Contain 模块通过 200 项脚本化逃逸测试，Conform 提供八项检查以对齐本地与托管评分器的请求配置。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。