SeClaw: Síntesis de Tareas de Seguridad para Evaluar Agentes Autónomos
Descubre SeClaw, un framework que sintetiza tareas de seguridad para evaluar agentes LLM autónomos. Evaluación reproducible y basada en trayectorias.
#benchmark de seguridad
SkillVetBench: Benchmark de detección y verificación de riesgos
Descubre cómo SkillVetBench detecta amenazas ocultas con sandboxing y verificación runtime en ecosistemas de habilidades abiertas.