पेपर और शोध

CyberGym-E2E: AI एजेंट की एंड-टू-एंड साइबर सुरक्षा क्षमता के लिए बड़े पैमाने का वास्तविक-दुनिया बेंचमार्क

मूल शीर्षक:CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities

AI सारांश

CyberGym-E2E एक बड़े पैमाने का एंड-टू-एंड साइबर सुरक्षा बेंचमार्क है जिसमें 920 वास्तविक भेद्यताएँ और 139 ओपन-सोर्स प्रोजेक्ट शामिल हैं। कार्यों में AI एजेंट को वास्तविक कोडबेस में स्वयं भेद्यता का पता लगाना, क्रैश ट्रिगर करने वाला प्रूफ-ऑफ-कॉन्सेप्ट तैयार करना और पैच लिखना आवश्यक है। परीक्षण दर्शाते हैं: यदि भेद्यता का स्थान सीधे दिया जाए, तो सबसे मजबूत कॉन्फ़िगरेशन लगभग 80% भेद्यताओं को ठीक कर सकता है; लेकिन यदि स्वयं खोजना हो, तो एंड-टू-एंड सफलता दर तेजी से गिरती है—Claude Opus 4.5 केवल 19.2%, नवीनतम मॉडल 37%-66% के बीच। एजेंट वैकल्पिक भेद्यताएँ पा सकते हैं, और कुछ उथले पैच भी मौजूद हैं। सभी भेद्यताएँ पहले ही सार्वजनिक रूप से प्रकट और ठीक की जा चुकी हैं।

मुख्य जानकारी

  • CyberGym-E2E एक बड़े पैमाने का एंड-टू-एंड साइबर सुरक्षा बेंचमार्क है जिसमें 920 वास्तविक भेद्यताएँ…
  • लेकिन यदि स्वयं खोजना हो,तो एंड-टू-एंड सफलता दर तेजी से गिरती है—Claude Opus 4.
  • 5 केवल 19.
  • 2%,नवीनतम मॉडल 37%-66% के बीच। एजेंट वैकल्पिक भेद्यताएँ पा सकते हैं,और कुछ उथले पैच भी मौजूद हैं।…

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
Berkeley RDI:Blog(AI 安全与评测)
श्रेणी
पेपर और शोध
AI स्कोर
74
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: CyberGym-E2E: AI एजेंट की एंड-टू-एंड साइबर सुरक्षा क्षमता के लिए बड़े पैमाने का वास्तविक-दुनिया बेंचमार्क। 18 जून 2026। https://new.nat6.net/hi/news/cmqlhlm0t00b3sljgy5o93w0h/

सभी देखें →