OpenZeppelin 揭露 OpenAI 的 EVMbench 基準測試存在資料污染

OpenAI 與加密投資機構 Paradigm 於 2026 年 2 月 18 日推出 EVMbench，以 40 份審計中的 117 個高風險漏洞，評估 AI 代理偵測、修補及利用 EVM 智慧合約漏洞的能力。由於榜單可能影響開發者選用稽核工具，資料與標註品質攸關排名可信度。

OpenZeppelin 於 2026 年 3 月 2 日公布審查，指出資料多取自 2024 至 2025 年公開審計，可能已進入模型訓練資料；抽查較新案例後，又認定至少 4 個標為高嚴重度的漏洞實際無法利用。EVMbench 榜單由 Anthropic 的 Claude Opus 4.6 居首，污染與錯誤標註可能改變模型排序。