Hugging Face BlogT1·68 分
CWE-bench v2 发布 开源百项网络安全智能体评测任务
原标题：CWE-bench v2: More coverage, quality, and transparency
- CWE-bench v2 提供 100 个基于真实代码库的公开评测任务，旨在测试前沿网络防御能力。
- 所有任务环境均被标记为 `rl-environment`，可直接作为奖励信号用于训练防御型智能体。
- 评测流程标准化，要求智能体在给定指令下操作 Git 并处理开源仓库中的安全漏洞。