CyberGym-E2E: penanda aras dunia sebenar berskala besar untuk keupayaan keselamatan siber hujung ke hujung ejen AI
Tajuk asal:CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities
Ringkasan AI
CyberGym-E2E ialah penanda aras keselamatan siber hujung ke hujung berskala besar yang merangkumi 920 kelemahan sebenar dan 139 projek sumber terbuka. Tugasan memerlukan ejen AI mencari kelemahan sendiri dalam pangkalan kod sebenar, menghasilkan bukti konsep yang mencetuskan ranap dan menulis tampung. Ujian menunjukkan: jika lokasi kelemahan diberikan secara langsung, konfigurasi terkuat boleh membaiki kira-kira 80% kelemahan; tetapi jika perlu ditemui sendiri, kadar kejayaan hujung ke hujung menurun secara mendadak—Claude Opus 4.5 hanya 19.2%, model terkini antara 37%-66%. Ejen mungkin menemui kelemahan alternatif, dan terdapat tampung cetek sebahagian. Semua kelemahan telah didedahkan dan dibaiki terlebih dahulu.
Maklumat penting
- CyberGym-E2E ialah penanda aras keselamatan siber hujung ke hujung berskala besar yang merangkumi…
- Tugasan memerlukan ejen AI mencari kelemahan sendiri dalam pangkalan kod sebenar,menghasilkan…
- Ujian menunjukkan: jika lokasi kelemahan diberikan secara langsung,konfigurasi terkuat boleh…
- tetapi jika perlu ditemui sendiri,kadar kejayaan hujung ke hujung menurun secara mendadak—Claude…
- 5 hanya 19.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- Berkeley RDI:Blog(AI 安全与评测)
- Kategori
- Kertas penyelidikan
- Skor AI
- 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。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: CyberGym-E2E: penanda aras dunia sebenar berskala besar untuk keupayaan keselamatan siber hujung ke hujung ejen AI. 18 Jun 2026. https://new.nat6.net/ms/news/cmqlhlm0t00b3sljgy5o93w0h/