Cybench：面向安全任务的端到端 AI 智能体评测基准

Cybench 用于评测 AI 智能体在安全任务上的端到端表现，任务需要侦察、工具使用、多步规划和持续执行。结果按无引导与子任务引导两种设置报告，并给出所解最难任务难度和解题耗时统计。该基准聚焦真实安全场景下可复现的智能体能力，常被用于安全与能力报告，衡量真实世界的智能体水平与长程执行可靠性。