CyberGym是UC Berkeley研究人员于2025年发布的网络安全基准。其任务取自真实开源项目中发现的漏洞,评估AI智能体能否根据漏洞描述和源代码生成真正触发该漏洞的输入(概念验证)。任务基于Google面向开源软件的持续模糊测试项目OSS-Fuzz所发现的漏洞构建。
CyberGym是衡量AI模型攻击能力的代表性基准之一,模型开发商在评估新模型的网络安全相关能力与风险时常引用其结果。
UC Berkeley研究人员于2025年发布的网络安全基准,用于衡量AI智能体复现开源软件真实漏洞的能力。
CyberGym是UC Berkeley研究人员于2025年发布的网络安全基准。其任务取自真实开源项目中发现的漏洞,评估AI智能体能否根据漏洞描述和源代码生成真正触发该漏洞的输入(概念验证)。任务基于Google面向开源软件的持续模糊测试项目OSS-Fuzz所发现的漏洞构建。
CyberGym是衡量AI模型攻击能力的代表性基准之一,模型开发商在评估新模型的网络安全相关能力与风险时常引用其结果。
本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。
V4.1 Flash的发布说明宣称,在Terminal-Bench 3.0、DeepSeek-SWE 1.1、CyberGym和Automation-Bench等标准测试中,其表现可与Claude Opus 5和GPT-5.6 Sol匹敌。
阅读文章加州大学伯克利分校的CyberGym基准用于衡量AI模型完成网络安全任务的能力,其结果显示这些模型已经相当强:
阅读文章CyberGym包含C/C++程序缺陷,ExploitBench涵盖V8漏洞,XBOW则包含合成的Web挑战。
阅读文章百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。