GLM-5.3 · Claude Code

方法与范围

在真实软件目标上评测利用构造，并核查成功是否依赖指定漏洞。

证据类型

可复用基准

评测对象

原任务配置下的模型或智能体系统

主观测维度

Capability · 任务能力

证据快照

2026-10-29.1

主维度依据原协议的任务结果确定。主题关联见研究档案，不推断尚未审阅的问题级关联。

来源结论

指定目标成功数：130 count；保留来源条件。

适用限制

性能判断须同时说明目标防护、已提供材料和漏洞归因。

指定目标成功与 Flag 获取是不同的计数。任务版本和超时截点分别保留，不将目录总任务数视为各提交的分母。 本条限制说明（英文，完整保留）：Catalogue size is not assumed to be the denominator for every submitted result. Reported budget cutoffs and rescaled budget conditions remain distinct. Source date is labeled Date only; evaluation/publication semantics and exact execution period are undisclosed. No submission task denominator, trial count or actual executor is disclosed. Benchmark version is not reported; do not infer v1. Official host reuses a linked external report/submission; linked source not independently verified in this unit and not an independent replication. Rescaling method is not disclosed; retain rescaled budget as a distinct condition.

保留原图，不估算数值；本轮未完成原文全部表格转录。

相关研究问题