Collinear AI发布CWE-bench v2公开基准

Collinear AI 发布 CWE-bench v2，公开 100 项可复现的安全漏洞发现与修复任务，覆盖 91 种 CWE，评分完全程序化，该公司称结果确定且任何人都能无需额外成本复现。 在公布的首批测试中，11 个模型参与评估：Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 为 67.3%，至少有一个模型解出 95 项任务。 该数据集设有访问门槛，需先在数据集页面接受访问条件；Harbor 通过 git 拉取任务，用户需将 HF token 保存到 git 凭据助手。若要在留出集上评估模型，需联系 cyber@collinear.ai。

AI 根据报道生成 · 2 小时前更新