arXiv cs.CR、AIエージェント向け動的対戦型ベンチマーク「CyberArena」を発表
arXiv cs.CRは2026年10月14日(現地時間)、サイバーセキュリティにおけるAIエージェントの能力を評価する新たな動的ベンチマーク「CyberArena」に関する論文を発表した。従来のベンチマークが静的な標的に対する単独評価であったのに対し、CyberArenaは複数のラウンドにわたるリアルタイムの攻撃と防御の対戦形式を採用している。このベンチマークは、進化し続けるサービス環境でエージェントが攻撃者と防御者の両方を務めることで、脆弱性の発見、悪用、パッチ適用の速度と精度を直接テストする。12のLLMエージェントが40の課題で合計466マッチ評価され、単一エージェントのベースラインでは識別できなかったモデル能力の分離に成功した。