Hugging Face Blog·· 20 小时前精选AI 评分68
Collinear AI 发布 CWE-bench v2 漏洞修复评测集
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Collinear AI 发布 CWE-bench v2，公开 100 个可用于评估模型网络安全修复能力的任务，覆盖 91 种 CWE。评测采用程序化评分、公开 grader 和 harness，支持确定性复现；11 个模型中 Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 为 67.3%。
推荐理由
该材料公开了可复现的网络安全修复基准、评分方法与模型结果，便于比较模型在实际漏洞修复上的能力。
来源：Hugging Face Blog · huggingface.co