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
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.
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/