Hugging Face Blog·· 20 小时前精选AI 评分72
Collinear AI 发布 CWE-bench v2 网络安全评测基准
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Collinear AI 发布 CWE-bench v2，公开 100 个供模型查找并修复真实开源仓库安全漏洞的任务，覆盖 91 类 CWE。全部 11 个参评模型中，Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 的 pass@1 为 67.3%。
推荐理由
公开任务、评分器和运行框架让读者能够复现模型漏洞修复能力，并比较准确率与成本的权衡。
来源：Hugging Face Blog · huggingface.co