NUWA ExploitBench: A Capability Ladder Benchmark for LLM Cybersecurity Agents
研究问题从触发已知缺陷到证实安全影响，智能体停在哪一步？
来源摘要公开模型很少跨越所述Tier3到Tier2边界，GPT-5.5仅在一个缺陷跨越。
NUWA 研究解读 · 独立复核待完成
研究机构
Bugcrowd角色与署名遵循所引原始资料。来源核验不等于独立复现实验。
更多筛选 →研究问题从触发已知缺陷到证实安全影响，智能体停在哪一步？
来源摘要公开模型很少跨越所述Tier3到Tier2边界，GPT-5.5仅在一个缺陷跨越。
NUWA 研究解读 · 独立复核待完成