Collinear AI 发布 CWE-bench v2 公开评测集
热点事件持续更新
Collinear AI 发布 CWE-bench v2 公开评测集
1 篇报道1 个报道来源20 小时前核心报道更新
先了解这件事
AI 综述
Collinear AI 发布 CWE-bench v2，公开 100 个安全修复任务，覆盖 91 种 CWE。任务要求智能体在真实开源仓库中定位并修复安全弱点，同时不破坏原有功能；评分完全程序化、结果可复现。 数据集设有访问门槛，需先在数据集页面接受访问条件；如需在 held-out 集上评估模型，需联系 cyber@collinear.ai。已评测的 11 个模型中，Gemini 4 Argon 以 67.8% pass@1 领先。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face 博客CWE-bench v2 发布：100 个公开安全修复任务覆盖 91 类 CWE
Collinear AI 发布 CWE-bench v2，公开 100 个任务，覆盖 91 种 CWE，要求智能体在真实开源仓库中定位并修复安全弱点且不破坏原有功能。评分完全程序化、结果可复现，另设 held-out 集需联系 cyber@collinear.ai 评估。已评测的 11 个模型中 Gemini 4 Argon 以 67.8% pass@1 领先。
已显示 1 篇，共 1 篇报道。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。