CWE-bench v2:100 个任务测模型找漏洞能力

指南Hugging Face2026年11月3日4 分钟阅读
CWE-bench v2:100 个任务测模型找漏洞能力
CWE-bench v2 公开了 100 个真实开源仓库的安全修复任务,覆盖 91 种 CWE。Gemini 4 Argon 以 67.8% 的 pass@1 领先,但即使是最强模型也有 19% 的任务从未解决。
本文编译自 CWE-bench v2: More coverage, quality, and transparency,版权归原作者所有。

觉得有用?分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察,每周更新。

相关文章

Raindrop 发布 Simulations 公开测试版,通过重建智能体的生产环境(包括工具、API 和数据库)来模拟变更影响。平台提供仿真保真度评分,并支持通过 MCP 连接数据源。早期测试运行了超过 3.3 万次仿真,覆盖 1700 多个 PR。

指南The New Stack·11月5日·5 分钟

Meta 收购了 AI 编程初创公司 Conductor,后者主打多 Agent 并行开发。Conductor 核心功能将维持到明年初,但云服务 11 月 20 日关停。这是 Meta 近期追赶 AI 编程赛道的一系列动作之一。

指南·11月4日·3 分钟

评论