**对抗性黑客-修复循环加固智能体基准评估器**

_Hardening Agent Benchmarks with Adversarial Hacker-Fixer Loops_

> 针对智能体基准测试中评估器易被攻击的问题，本文审计发现16%任务可被前沿模型攻破。提出黑客-修复循环方法：黑客寻找漏洞绕过评估器，修复器打补丁阻止，求解器确认补丁不影响合法解，迭代提升防御。实验在KernelBench上将攻击成功率从62%降至0%，且弱智能体循环可防御更强黑客。发布Terminal Wrench数据集提供323个可攻击环境及轨迹。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.08960)