The Benchmark Illusion加州大学伯克利分校的研究团队构建了一个专门用于“作弊”的 AI 代理,成功攻破了当前主流的 8 个 AI 智能体(Agent)评测基准。在没有解决任何实际任务、甚至未调用大模型进行推理的情况下,该代理在 SWE-bench、WebArena、OSWorld 等核心赛道上拿到了接近满分的成绩。3040基准测试# The Benchmark Illusion