CyberGym-E2E: un benchmark realista a gran escala para la capacidad de ciberseguridad de extremo a extremo de los agentes de IA
Título original:CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities
Resumen de IA
CyberGym-E2E es un benchmark de ciberseguridad de extremo a extremo a gran escala que incluye 920 vulnerabilidades reales y abarca 139 proyectos de código abierto. La tarea exige que los agentes de IA localicen por sí mismos vulnerabilidades en repositorios de código reales, generen pruebas de concepto que provoquen fallos y escriban parches. Las pruebas muestran que, si se indica directamente la ubicación de la vulnerabilidad, la configuración más potente repara alrededor del 80% de las vulnerabilidades; pero si debe descubrirla por sí misma, la tasa de éxito de extremo a extremo cae drásticamente: Claude Opus 4.5 solo alcanza el 19,2%, y los modelos más recientes se sitúan entre el 37% y el 66%. Los agentes pueden descubrir vulnerabilidades alternativas y existen parches parcialmente superficiales. Todas las vulnerabilidades se divulgaron y corrigieron previamente.
Puntos clave
- CyberGym-E2E es un benchmark de ciberseguridad de extremo a extremo a gran escala que incluye 920…
- La tarea exige que los agentes de IA localicen por sí mismos vulnerabilidades en repositorios de…
- Las pruebas muestran que,si se indica directamente la ubicación de la vulnerabilidad,la…
- pero si debe descubrirla por sí misma,la tasa de éxito de extremo a extremo cae drásticamente:…
- 5 solo alcanza el 19,2%,y los modelos más recientes se sitúan entre el 37% y el 66%.
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Berkeley RDI:Blog(AI 安全与评测)
- Categoría
- Artículos e investigación
- Puntuación IA
- 74
伯克利这个新基准把漏洞发现、利用、修复串成一条线,结果很直观,修复能做到 80%,但自己找漏洞只剩 20%,新模型在快速追赶。想看清 AI 真实攻防能力的人该读。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: CyberGym-E2E: un benchmark realista a gran escala para la capacidad de ciberseguridad de extremo a extremo de los agentes de IA. 18. junio 2026. https://new.nat6.net/es/news/cmqlhlm0t00b3sljgy5o93w0h/