Collinear AI 发布 CWE-bench v2 安全修复评测集

Collinear AI 发布 CWE-bench v2 公开评测集，包含 100 个安全修复任务，覆盖 91 种 CWE。智能体需要在真实开源仓库中定位并修复安全弱点，同时不破坏原有功能。 据 Collinear AI 称，评分完全程序化，结果确定，任何人都能无额外成本复现。数据集设有访问门槛，需先在数据集页面接受访问条件；Harbor 通过 git 拉取任务，因此还需将 HF token 保存到 git 的凭据助手中。若要评估留出集，需联系 cyber@collinear.ai。

AI 根据报道生成 · 33 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。