/tags/berkeley/Recent content in Berkeley on AI-Uchi — Всё об искусственном интеллектеHugoruSun, 12 Apr 2026 17:28:21 +0300/news/issledovateli-vzlomali-vse-vedushchie-ai-benchmarki/Sun, 12 Apr 2026 17:28:21 +0300/news/issledovateli-vzlomali-vse-vedushchie-ai-benchmarki/<p>Команда исследователей из UC Berkeley создала автоматического агента, который успешно взломал все 8 ведущих AI-бенчмарков, получив почти идеальные результаты без решения ни одной задачи. Среди взломанных — SWE-bench, WebArena, OSWorld и другие популярные тесты, которые используются для оценки возможностей ИИ-систем.</p> <div class="callout callout-warning"> <div class="callout-title">&#9888; Главное открытие</div> <div class="callout-content">Исследователи доказали, что современные AI-бенчмарки измеряют не способности моделей, а уязвимости в системах оценки. Все тесты можно обмануть без использования LLM.</div> </div> <h2 id="как-работали-эксплойты">Как работали эксплойты</h2> <p>Каждый бенчмарк был взломан уникальным способом, использующим недостатки в архитектуре тестирования:</p>