Yiwei Chen等发布LLM条件化漏洞利用生成基准与微调研究论文
热点事件持续更新
Yiwei Chen等发布LLM条件化漏洞利用生成基准与微调研究论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月4日，Yiwei Chen等人在arXiv（cs.lg）发布了关于基于LLM的CVE条件化漏洞利用生成的技术报告（v2版更新于11月2日）。该研究采用数据驱动方法构建高质量数据集，旨在解决网络安全领域的模型适配问题。报告通过LLM-as-judge机制，评估了17个LLM在8项标准下的零样本漏洞利用生成能力，建立了系统的基准测试框架。研究发现，8B参数规模的开放权重模型经微调后，其漏洞利用质量提升超过42.5%。结合测试时拒绝策略，该模型表现可媲美部分专有模型。研究强调，在网络安全任务中，数据质量与评估设计对模型最终表现具有关键作用，为低成本开源模型在垂直领域的落地提供了技术路径参考。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
基于 LLM 的 CVE 条件化漏洞利用生成：数据驱动基准测试与微调研究报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · ML基于 LLM 的 CVE 条件化漏洞利用生成：数据驱动基准测试与微调研究
研究采用数据驱动方法构建高质量数据集，通过 LLM-as-judge 评估 17 个 LLM 在 8 项标准下的零样本漏洞利用生成能力。 8B 开放权重模型经微调后漏洞利用质量提升超 42.5%，结合测试时拒绝策略可媲美部分专有模型，凸显数据质量与评估设计在网络安全适配中的关键作用。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。