基准
LinuxArena
一个提供真实执行结果作为基准的AI安全控制评估环境，用于验证模拟控制评估方法的准确性。
时间轴 (近 90 天)
10月23日
在LinuxArena实验中，传统控制设置BashArena预测部署安全性的均方根误差（RMSE）为10.1个百分点（在5%审计预算、五种监控器条件下）。
待验证50%
10月23日
通过模拟发现的攻击策略，在留出的LinuxArena攻击上也能提升监控器性能，效果优于BashArena，并且大致匹敌真实执行策略带来的改进。
待验证50%
一个提供真实执行结果作为基准的AI安全控制评估环境，用于验证模拟控制评估方法的准确性。
在LinuxArena实验中，传统控制设置BashArena预测部署安全性的均方根误差（RMSE）为10.1个百分点（在5%审计预算、五种监控器条件下）。
通过模拟发现的攻击策略，在留出的LinuxArena攻击上也能提升监控器性能，效果优于BashArena，并且大致匹敌真实执行策略带来的改进。