开放权重LLM在自动驾驶汽车威胁情报生成方面的评估

研究人员开发了一个新的数据集CAV-STIXGen，用于评估开放权重大型语言模型（LLM）在生成自动驾驶汽车漏洞结构化威胁信息方面的能力。该研究评估了11个LLM，其中单模型配置在结构化数据对象（SDO）和通用弱点枚举（CWE）映射方面取得了较高的F1分数，但MITRE ATT&CK映射难度较大。使用Gemma-4-31B和Codestral-22B的多智能体设置在SDO和SRO生成方面也显示出有希望的结果，表明AI在交通安全领域自动化威胁情报的潜力。 AI

影响 自动化自动驾驶汽车安全的威胁情报生成，可能有助于改进防御优先级。

排序理由 该集群包含一篇学术论文，详细介绍了LLM在特定安全领域能力的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• CAV-STIXGen
• Codestral-22B
• Common Weakness Enumeration
• Gemma-4-31B
• Large Language Models
• MITRE ATT&CK
• Structured Threat Information Expression

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →