概念
别名：Exploit
网络安全漏洞检测基准测试
已跟踪 6 条高相关材料
最近变化
2026-10-04 · GLM-5.3解决12%的ExploitBench任务，Claude Mythos解决14%（Anthropic数据）
为什么值得关注
ExploitBench 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
An open model nearly matches Claude Mythos on cybersecurity capabilities: GLM-5.3 solves 12% and Cla...
DeepLearning.AI(@DeepLearningAI) · 8.5 分
GLM-5.3在网络安全任务中表现接近Claude Mythos，仅需20美元token成本即可发现Google Chrome漏洞，Andrew Ng认为防御方具备长期优势。
GPT-6 Astra is here. We hope it will begin to enable a new generation of entrepreneurship, scientif...
Sam Altman(@sama) · 8.5 分
GPT-6 Astra发布，声称在多个基准测试中表现优异，适用于创业、科研和专业工作。
Patterns for Building Cybersecurity Evals
Eugene Yan · 8.5 分
构建网络安全评估需关注沙盒目标、输入难度、工具和评分机制，以衡量模型在漏洞利用和防御中的表现。
已收录 6 条与 ExploitBench 相关的内容，按评分排序。
GLM-5.3在网络安全任务中表现接近Claude Mythos，仅需20美元token成本即可发现Google Chrome漏洞，Andrew Ng认为防御方具备长期优势。
入选理由：GLM-5.3解决12%的ExploitBench任务，Claude Mythos解决14%（Anthropic数据）
GPT-6 Astra发布，声称在多个基准测试中表现优异，适用于创业、科研和专业工作。
入选理由：GPT-6 Astra在FrontierMath Tier 4测试中得分98%，ARC-AGI 3测试中得分99.9%
构建网络安全评估需关注沙盒目标、输入难度、工具和评分机制，以衡量模型在漏洞利用和防御中的表现。
入选理由：网络安全评估需包含沙盒目标、输入难度、工具和评分机制。
GPT-5.6 仅向 20 家政府审批合作伙伴开放，普通用户暂无法使用。
入选理由：GPT-5.6 仅向约 20 家政府审批合作伙伴开放，普通开发者和用户无法使用。
Astra在ExploitBench测试中实现100%成功率，但需依赖6-8月新漏洞数据进行模型刷新。
入选理由：Astra在ExploitBench基准测试中达到100%成功率
Gary Marcus 批评 @scaling01 对 AI 基准测试的误解，强调 ExploitBench 是领域特定的基准测试。
入选理由：AI benchmarks like ExploitBench are domain-specific, not general-purpose.
