Hugging Face Blog·· 1 天前
CWE-bench v2 发布：100 个任务覆盖 91 种 CWE，公开可复现
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Collinear AI 发布 CWE-bench v2，公开 100 个安全漏洞修复任务，覆盖 91 种 CWE，评分完全程序化、结果可复现。
入选记录
门槛 60官方一手第一次 42第二次 52
未入选两次之和 94 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：AI智能体安全基准评测与模型排名
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Hugging Face Blog · huggingface.co