微软 MDASH 登顶 CyberGym 网安基准：95.95% 断层第一
↗8月2日，微软 MDASH 在 CyberGym 网安基准上以 95.95% 断层第一，大幅领先 GPT-5.5 Cyber（85.6%）与 Mythos 5（83.8%）。
#基准测试
围绕这个主题，发现相关工具、新闻和真实工作流。
探索其他标签DAILY AI NEWS
每日动态 2
11月02日DAILY BRIEF
OpenAI 发布 LifeSciBench：专家撰写+专家评审的生命科学 AI 评测基准
↗OpenAI 发布 LifeSciBench，含 750 个专家撰写任务和 19020 个细粒度评分标准，科学评估 AI 在生命科学中的真实能力。