ProximalHQ：CyberGym 安全评测在验证子集上已被 Agent 刷饱和

ProximalHQ 评估显示，在已验证的任务子集上，CyberGym 基准实际上已经饱和，难以继续区分不同模型或 agent 的真实安全能力。该机构指出，许多网络安全评测用「差分执行」测试 agent 能否复现已知软件漏洞，但在不加约束的情况下会带来公平性问题。