Benchmark di sicurezza per l'IA affrontano criticità fondamentali: nuova ricerca identifica tre sfide chiave

Un nuovo articolo su arXiv (presentato a maggio 2025) identifica tre debolezze fondamentali nei benchmark utilizzati per valutare gli agenti di IA in ruoli critici per la sicurezza. Gli autori caratterizzano vulnerabilità dei benchmark, obsolescenza temporale e incertezza runtime come sfide chiave che minano le attuali valutazioni di sicurezza. Delineano direzioni pratiche per costruire quadri di valutazione più robusti e affidabili.