Dreadnode 发布 AIRTBench：测量大模型自主完成 AI 红队任务能力的基准

Dreadnode 发布 AIRTBench 基准，用于测量大语言模型自主完成 AI 红队操作的程度，采用 CTF 风格挑战。该基准随论文一同发布，并附有智能体自身转录记录的公开数据集，使失败案例可被直接阅读而不只是被评分。仓库最后更新于 April 2026。