CyberGym-E2E: Benchmark thực tế quy mô lớn về năng lực an ninh mạng đầu cuối của tác nhân AI
Tiêu đề gốc:CyberGym-E2E: Scalable Real-World Benchmark for AI Agents' End-to-End Cybersecurity Capabilities
Tóm tắt AI
CyberGym-E2E là benchmark an ninh mạng đầu cuối quy mô lớn gồm 920 lỗ hổng thực tế, bao phủ 139 dự án mã nguồn mở. Nhiệm vụ yêu cầu tác nhân AI tự định vị lỗ hổng trong cơ sở mã thực tế, tạo bằng chứng khái niệm gây crash và viết bản vá. Kiểm thử cho thấy: nếu trực tiếp cung cấp vị trí lỗ hổng, cấu hình mạnh nhất có thể sửa khoảng 80% lỗ hổng; nhưng nếu phải tự phát hiện, tỷ lệ thành công đầu cuối giảm mạnh — Claude Opus 4.5 chỉ đạt 19,2%, các mô hình mới nhất đạt 37%-66%. Tác nhân có thể phát hiện lỗ hổng thay thế, và tồn tại một số bản vá nông. Tất cả lỗ hổng đã được công bố và sửa chữa trước đó.
Thông tin chính
- CyberGym-E2E là benchmark an ninh mạng đầu cuối quy mô lớn gồm 920 lỗ hổng thực tế,bao phủ 139 dự…
- Nhiệm vụ yêu cầu tác nhân AI tự định vị lỗ hổng trong cơ sở mã thực tế,tạo bằng chứng khái niệm…
- Kiểm thử cho thấy: nếu trực tiếp cung cấp vị trí lỗ hổng,cấu hình mạnh nhất có thể sửa khoảng 80%…
- nhưng nếu phải tự phát hiện,tỷ lệ thành công đầu cuối giảm mạnh — Claude Opus 4.
- 5 chỉ đạt 19,2%,các mô hình mới nhất đạt 37%-66%.
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Danh mục
- Bài báo & nghiên cứu
- Điểm 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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: CyberGym-E2E: Benchmark thực tế quy mô lớn về năng lực an ninh mạng đầu cuối của tác nhân AI. 18 tháng 6 2026. https://new.nat6.net/vi/news/cmqlhlm0t00b3sljgy5o93w0h/