Baicheng Chen

新基准CREBench测试LLM在密码逆向工程中的能力

研究人员推出了CREBench，这是一个旨在评估大型语言模型（LLM）在密码二进制逆向工程领域能力的新基准。该基准包含432个挑战，源自标准密码算法和不安全密钥使用场景，难度各异。在评估中，GPT-5.4在八个前沿LLM中表现最强，得分64.03（满分100），在59%的挑战中成功恢复了flag，但人类专家仍以92.19的得分保持显著优势。