白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

SEC-bench

通过自动构建的可执行软件环境,评测漏洞复现和修补能力。

来源与出处 ↓ 阅读研究记录 →

任务与测量

Benchmark 协议档案

任务/对象
原任务配置下的模型或智能体系统
测量目标
通过自动构建的可执行软件环境,评测漏洞复现和修补能力。
解释边界
漏洞复现与修补是不同结果,解释须考虑执行验证和任务构建质量。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息;已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
能否构造带可复现漏洞和修补核验的安全智能体数据集?
任务与样本
自动流水线重建C/C++项目,验证内存安全缺陷,以多个编程框架评测复现和修补。
判分与失效情形
检测器验证的漏洞复现成功与修补成功分开。
系统条件
C/C++、支持的内存安全缺陷及不同任务提示。
统计含义
来源报告的结果表述;这不等同于已确定运行次数、分母或估计方法: 完整数据集所报最佳成功率分别18.0%与34.0%。
效度与解释
基于检测器的内存问题及C/C++覆盖排除了许多其他系统故障(§5)。
适用研究问题
模型建议:保留任务类型及位置提示,不把检测器复现等同于利用影响。
原始来源图表与材料
SEC-bench — Figure 1
Figure 1 · 原文 Figure 1。请结合下方的协议范围与局限阅读。 查看原图 ↗

相关研究问题

参考文献

  1. [1] Hwiwon Lee  Ziqi Zhang  Hanxiao Lu † Lingming Zhang. SEC-bench: Automated Benchmarking of LLM Agents on Real-World Software Security Tasks. 2025-06-13. v2 [arXiv]; Author affiliations on the original paper title page; Figure 1