Hugging Face Blog·· 2 天前精选AI 评分57
Collinear AI 发布 CWE-bench v2，覆盖91种CWE并公开11个模型实测结果
CWE-bench v2: More coverage, quality, and transparency
来源与原文
Hugging Face Blog
发布时间：（北京时间）
阅读原始来源 · huggingface.co ↗完整链接与内容说明
https://huggingface.co/blog/cwe-bench
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
Collinear AI 发布 CWE-bench v2，公开100个基于真实开源仓库的安全弱点查找与修复任务，覆盖91种CWE，评分完全程序化且可复现。11个受测模型中 Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 以 67.3% 紧随其后；成本上 DeepSeek V4.1 Flash (1017)、Claude Opus 5.5 与 Gemini 4 Argon 构成 Pareto 前沿。任务、评分器与 harness 全部开源，可经 Harbor 从 Hugging Face 仓库直接运行，环境还标记为 rl-environment 可用于训练防御型 agent。
推荐理由
开放权重的100个安全修复任务与确定性评分，读者可以免费复现并直接对比各模型在91种CWE上的表现与成本。
来源：Hugging Face Blog · huggingface.co
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。