Mga Papel at Pananaliksik

CyberGym-E2E: Malakihang real-world benchmark ng end-to-end cybersecurity capability ng AI agent

Orihinal na pamagat:CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities

AI summary

Ang CyberGym-E2E ay isang malakihang end-to-end cybersecurity benchmark na may 920 tunay na vulnerability, sumasaklaw sa 139 open source project. Ang gawain ay nangangailangan sa AI agent na mismo ang maghanap ng vulnerability sa tunay na codebase, bumuo ng proof of concept na nagti-trigger ng crash at magsulat ng patch. Ipinakita ng pagsubok: kung direktang ibibigay ang lokasyon ng vulnerability, ang pinakamalakas na configuration ay kayang ayusin ang humigit-kumulang 80% ng vulnerability; ngunit kung kailangang siya mismo ang maghanap, matinding bumababa ang end-to-end success rate—Claude Opus 4.5 ay 19.2% lamang, ang pinakabagong mga modelo ay nasa pagitan ng 37%-66%. Maaaring makahanap ang agent ng alternatibong vulnerability, at may ilang mababaw na patch. Lahat ng vulnerability ay nauna nang pampublikong isinapubliko at naayos.

Mahahalagang impormasyon

  • Ang CyberGym-E2E ay isang malakihang end-to-end cybersecurity benchmark na may 920 tunay na…
  • Ang gawain ay nangangailangan sa AI agent na mismo ang maghanap ng vulnerability sa tunay na…
  • Ipinakita ng pagsubok: kung direktang ibibigay ang lokasyon ng vulnerability,ang pinakamalakas na…
  • ngunit kung kailangang siya mismo ang maghanap,matinding bumababa ang end-to-end success…
  • 2% lamang,ang pinakabagong mga modelo ay nasa pagitan ng 37%-66%.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
Berkeley RDI:Blog(AI 安全与评测)
Kategorya
Mga Papel at Pananaliksik
AI na marka
74
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: CyberGym-E2E: Malakihang real-world benchmark ng end-to-end cybersecurity capability ng AI agent. 18 Hunyo 2026. https://new.nat6.net/fil/news/cmqlhlm0t00b3sljgy5o93w0h/

Tingnan lahat →