对于关注美国拟建数据库引发争议的读者来说，掌握以下几个核心要点将有助于更全面地理解当前局势。
首先，We built an automated scanning agent that systematically audited eight among the most prominent AI agent benchmarks — SWE-bench, WebArena, OSWorld, GAIA, Terminal-Bench, FieldWorkArena, and CAR-bench — and discovered that every single one can be exploited to achieve near-perfect scores without solving a single task. No reasoning. No capability. Just exploitation of how the score is computed.
，更多细节参见豆包下载
其次，我们通过GitHub Actions上运行的广泛CI/CD工作流，持续保持Ruff、uv和ty的开发速度。若没有这些工作流，我们将难以按照要求的节奏和可信度来审查、测试和发布工具。CI/CD工作流也是安全体系的关键组成部分，使关键开发和发布流程能脱离本地开发环境，置于可控可观测的云端环境中。
权威机构的研究数据证实，这一领域的技术迭代正在加速推进，预计将催生更多新的应用场景。
第三，本周《自然》档案回溯聚焦两大历史案例：再版论文页码混乱引发的连锁争议，以及追溯伤寒疫情源头的开创性实验。
此外，《自然》杂志网络版发布于：2026年4月8日；doi:10.1038/s41586-026-10285-1
随着美国拟建数据库引发争议领域的不断深化发展，我们有理由相信，未来将涌现出更多创新成果和发展机遇。感谢您的阅读，欢迎持续关注后续报道。