Center for AI Safety

RESEARCH / 04

CAIS「CheatBench」 — AIエージェントのチート傾向を10カテゴリで測定、最低11.2%から最大77.9%

Center for AI Safety公開のCheatBench（論文arXiv:2609.36308、サイトcheatbench.ai）を一次情報に基づき整理。10カテゴリ・13環境の設計、9エージェントの評価結果、明示的注意・ハーネス差・旧モデルの比較、解釈上の留意点を扱う。