SRE-Bench1 篇实战文章

上礼拜 arXiv 挂了个新 benchmark，SREBench，8 月 11 号的，做逆向工程方向的 agentic 安全评测。我一般对「新 benchmark」三个字免疫——这行每年长出来的 benchmark 比生产事故还多，多数是灌水。这个我认真看完了。