VulnLLM-R

研究发现，前沿大语言模型在网络安全任务上表现不佳

一篇新的研究论文评估了前沿大语言模型在网络安全任务上的就绪程度，发现通用模型在漏洞检测和安全测试方面都存在困难。该研究测试了 GPT-5.4 和 Claude Opus 4.6 等模型，结果显示在白盒检测中误报率很高，在黑盒测试中真实覆盖率很低。然而，领域专业化模型显示出显著更高的检测率，这表明针对性的方法和数据比单纯的模型规模对于网络安全应用更为关键。