ベンチマーク
Cybench
原文：Cybench
サイバーセキュリティのエージェントベンチマーク。サンドボックス化された課題で、脆弱性を自律的に発見し悪用する能力を測る。
2026年10月1日時点のデータ。最新の得点は原文へ。
概要
Cybenchは、偵察、ツール使用、複数段階の計画、粘り強さを必要とするセキュリティ関連の課題で、エージェントの性能を最初から最後まで通して評価する。結果は、誘導なしの設定とサブタスクで誘導する設定のそれぞれについて報告されるほか、解けた最も難しい課題の難易度や、解くまでにかかった時間の統計でも報告される。
重点は、人工的なパズルではなく、現実的なセキュリティの場面で再現可能な、実用的なエージェントの能力にある。そのためCybenchは、安全性や能力についての報告書で、現実世界でのエージェントとしての能力と、長い手順を確実にこなせるかを測るためによく使われる。