Hugging Face Blog·· 21 小时前精选AI 评分66
Collinear AI 发布 CWE-bench v2 基准测试
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Collinear AI 开放了 100 个网络安全任务基准 CWE-bench v2，覆盖 91 种 CWE 漏洞，支持程序化评分并在 Hugging Face Hub 提供运行入口。测试结果显示 Gemini 4 Argon 以 67.8% pass@1 居首，领先于 Claude Opus 5.5。
推荐理由
CWE-bench v2 开放了 100 个网络安全任务，给出了各模型的成本与得分对比，方便开发者评估 AI 修复漏洞的能力。
来源：Hugging Face Blog · huggingface.co