新基准测试AI代理定位软件漏洞的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员推出了Vulnerability Localization Benchmark (VLoc Bench)，这是一个新的数据集，旨在评估AI代理在软件仓库中识别与安全漏洞相关的特定代码位置的能力。该基准包含290个仓库和147个通用弱点枚举 (CWE) 类别的500个真实世界漏洞，测试代理精确定位受影响文件的能力。对27个语言模型和4个静态分析工具的初步评估显示，仓库规模的漏洞定位仍然是一个重大挑战，表现最好的系统仅达到0.229的文件F1分数。 AI

影响为AI安全代理建立了新的评估标准，突出了代码级漏洞识别方面的现有局限性。

排序理由该集群描述了一个用于评估AI代理在特定任务上的新学术基准，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个用于评估AI代理在特定任务上的新学术基准，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Aman Priyanshu, Supriti Vijay, Kimia Majd, Xuhong He, Fraser Burch, Takahiro Matsumoto, Jianliang He, Baturay Saglam, Arthur Goldblatt, Zhuoran Yang, Amin Karbasi · 2026-09-15 04:00

漏洞定位基准：衡量代码库规模下的Agentic安全分析能力

arXiv:2609.15939v1 Announce Type: cross Abstract: Language-model agents increasingly operate over complete software repositories, yet cybersecurity evaluations primarily measure whether they can detect, reproduce, or repair vulnerabilities rather than whether they can locate the …

本文如何被排名

报道来源 [1]

漏洞定位基准：衡量代码库规模下的Agentic安全分析能力

相关实体

相关话题