Hugging Face Blog·· 1 天前精选AI 评分76
CWE-bench v2 扩展漏洞修复基准覆盖并提升评测透明度
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Hugging Face Blog 发布 CWE-bench v2，开放包含 100 项任务的公开基准，用于评估智能体发现并修复真实开源仓库安全弱点的能力。任务覆盖 91 类 CWE，评分由程序化检查完成，数据集、评分器和运行框架均已开放。已评测的 11 个模型中，Gemini 4 Argon 以 67.8% pass@1 领先；基准可通过 Harbor 从 Hugging Face 仓库运行。
推荐理由
CWE-bench v2 将漏洞修复评测扩展到 100 项任务和 91 类 CWE，并公开评分器与运行流程，便于比较模型表现及复现实验。
来源：Hugging Face Blog · huggingface.co