研究人员推出了FuzzingBrain-Bench V1,这是一个旨在评估大型语言模型(LLM)开放式漏洞发现能力的新基准。与专注于触发预定义漏洞的先前基准不同,FuzzingBrain-Bench V1挑战模型在Docker化环境中在开源软件中找到尽可能多的不同崩溃。该基准包含43个项目中的77个挑战,重点关注C、C++和Java/JVM代码。在评估中,Claude Opus 4.8表现最强,成功触发了77个挑战中的60个崩溃。 AI
影响 该基准可能有助于对LLM在软件安全性和可靠性方面进行更严格的评估。
排序理由 该集群描述了一个用于评估LLM的新学术基准。[lever_c_demoted from research: ic=1 ai=1.0]
- Claude Haiku 4.5
- Claude Opus 4.8
- Claude Sonnet 4.6
- CPP
- C programming language
- Docker
- FuzzingBrain-Bench V1
- Java
- Java virtual machine
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →