CWE-bench v2公开100项安全能力评测任务

Collinear AI 发布 CWE-bench v2，公开 100 项任务，供评测模型在真实开源仓库中发现并修复安全弱点的能力；任务覆盖 91 类 CWE，评分由程序化检查完成，任务、评分器和运行框架均已开放。 这 100 项公开任务可供使用者运行和评估模型。数据集须先在页面接受访问条件；评测保留集则需联系 Collinear AI 申请。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。