跳到正文
热点事件持续更新

本地开源LLM漏洞复现能力评估进展

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

研究者评估了12种单卡本地部署的开源权重模型配置在10项CyberGym漏洞复现任务中的表现。结果显示,所有配置(最小至4B模型)均能解决6个较易任务,而4个较难任务需要27B模型才能解决。MoE架构在保持相同得分的情况下耗时更短。失败轨迹分析表明,模型通常能定位漏洞函数,关键差异在于假设是否转化为有效输入。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. Hacker News LLM
    本地开源权重 LLM 智能体在漏洞复现任务上的分析

    评估了12种单卡本地部署的开源权重模型配置在10项CyberGym漏洞复现任务中的表现。 结果显示所有配置(最小至4B模型)均解决了6个较易任务,4个较难任务需27B模型;MoE架构在保持相同得分的情况下耗时更短。 失败轨迹通常能定位漏洞函数,关键差异在于假设是否转化为有效输入。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月22日 01:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。