arXiv · AI· Gonzalo Gonzalez-Pumariega, Ajay Jagannath, Adit Jain, Guram Gogia, Soumyadeep Bakshi, Nazneen Rajani·· 2026-10-14AI 评分32
CWE-bench:Agentic 安全评测从攻击转向防御的基准
CWE-bench: Refocusing Agentic Security from Exploitation to Defense
AI 导读
CWE-bench 是一项包含 120 个隐藏仓库审计修复任务的基准,覆盖 73 种 CWE 类型、8 种语言及 OWASP Top 10 2025 所有类别,最佳智能体在 4 次重试中达到 81% 通过率。 验证器经智能体评审团校验,实验显示重试增益和成本因智能体差异巨大,且漏洞类别造成的难度波动远大于编程语言。 在攻击能力随智能体提升的背景下,该基准用于衡量其防御能力是否同步跟进。
来源:arXiv · AI · arxiv.org