CyberGym-E2E:AIエージェントのエンドツーエンドサイバーセキュリティ能力に関する大規模実世界ベンチマーク
原題:CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities
AI 要約
CyberGym-E2Eは920件の実際の脆弱性を含み、139のオープンソースプロジェクトをカバーする大規模なエンドツーエンドサイバーセキュリティベンチマークである。タスクはAIエージェントが実際のコードベースで自ら脆弱性を特定し、クラッシュを引き起こす概念実証を生成し、パッチを書くことを要求する。テストによると、脆弱性の位置を直接与えた場合、最強の構成は約80%の脆弱性を修正できるが、自ら発見する必要がある場合、エンドツーエンドの成功率は急激に低下し、Claude Opus 4.5はわずか19.2%、最新モデルは37%〜66%の間であった。エージェントは代替の脆弱性を発見する可能性があり、一部の浅いパッチも存在する。すべての脆弱性は事前に公開され修正済みである。
要点
- CyberGym-E2Eは920件の実際の脆弱性を含み、139のオープンソースプロジェクトをカバーする大規模なエンドツーエンドサイバーセキュリティベンチマークである。
- タスクはAIエージェントが実際のコードベースで自ら脆弱性を特定し、クラッシュを引き起こす概念実証を生成し、パッチを書くことを要求する。
- テストによると、脆弱性の位置を直接与えた場合、最強の構成は約80%の脆弱性を修正できるが、自ら発見する必要がある場合、エンドツーエンドの成功率は急激に低下し、Claude Opus 4.
- 5はわずか19.
- 2%、最新モデルは37%〜66%の間であった。
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 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。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:CyberGym-E2E:AIエージェントのエンドツーエンドサイバーセキュリティ能力に関する大規模実世界ベンチマーク。2026年6月18日。https://new.nat6.net/ja/news/cmqlhlm0t00b3sljgy5o93w0h/