// AI 新闻 · 2026-11-03 · Hugging Face Blog
CWE-bench v2发布100个网络安全任务集
Collinear AI于近期推出CWE-bench v2，公开包含100个网络安全任务的评测集，覆盖91种CWE漏洞类型。每个任务均基于真实开源代码仓库，要求模型在不破坏原有功能的前提下发现并修复安全缺陷。任务设计经过LLM评审团队优化，确保难度与公平性，并通过人工复核保证质量。所有评分流程程序化、可复现，支持模型在公开环境中直接运行和验证。
原文发布 2026-11-03 08:00（北京时间）来源 Hugging Face Blog自动整理 · 已核对原文
01摘要
评测结果表明，Gemini 4 Argon以67.8%的pass@1和81.0%的pass@4领先，紧随其后的是Claude Opus 5.5。尽管95个任务至少被一个模型解决，但领先模型仍失败率达19%，说明长尾问题尚未解决。数据集提供完整注册信息与Harbor环境支持，可直接从Hugging Face仓库加载执行。任务同时具备训练防御型智能体的潜力，可作为强化学习环境使用。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- CWE-bench v2公开100个任务，覆盖91种CWE漏洞类型，每个任务基于真实开源代码库设计。
- 任务通过LLM评审和人工复核确保难度、公平性和行为可推导性，评分流程完全程序化且可复现。
- Gemini 4 Argon在pass@1和pass@4指标上领先，但所有模型均存在19%以上的失败率，长尾问题未解决。
- 任务以Harbor格式封装，支持直接从Hugging Face仓库运行，可用于模型评估与防御型智能体训练。
03原文出处
CWE-bench v2: More coverage, quality, and transparency
Hugging Face Blog · 发布于 2026-11-03 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-03 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日