论文：开源权重模型在 CTI-REALM 安全任务上可媲美闭源
原文标题：Unconstrained CTI-REALM with Open-Weights
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在 CTI-REALM 基准上评测 26 个模型（19 个开源权重、7 个闭源），发现开源权重模型在给予足够轮次时能以不到闭源十分之一的成本达到最强闭源模型水平。研究还指出基准对智能体消息数的限制会干扰结果，并引入按阶段评分的指标，显示不同模型在不同阶段领先，建议按阶段路由模型。
- 问题
- 安全团队在可自托管的开源权重模型与昂贵闭源模型之间难以抉择。
- 方法
- 在CTI-REALM上用统一harness、评分器和LLM评审团评测26个模型，并引入按阶段评分指标。
- 结果
- 开源权重模型在轮次充足时以不到闭源十分之一成本达到最强闭源水平；放宽消息数限制后最高奖励归属开源模型。
- 影响
- 安全Agent可优先考虑开源权重模型并按阶段路由，成本可降一个数量级。
深读 · 结论先行AI 生成展开看要点与影响 ↓
26个模型评测显示开源权重模型以不到闭源十分之一成本追平最强闭源。
- •在CTI-REALM上评测26个模型：19个开源权重、7个闭源，统一harness与评分
- •开源权重模型给足轮次时，成本不到闭源十分之一即可达到最强闭源水平
- •基准对智能体消息数的限制是混淆因素：耗尽限制的任务所有检查点均记零分
- •放宽限制后，最高奖励归属开源权重模型；价格与能力相关性差，同奖励模型成本差超一个数量级
- •引入按阶段评分指标，显示不同模型在不同阶段领先，建议按阶段路由模型
为什么重要：对安全团队选型有直接成本意义，同时揭示现有基准的消息数限制可能系统性扭曲评测结论。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。