热点事件持续更新
Collinear AI 发布 CWE-bench v2 安全基准
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
2026年11月3日，Collinear AI 在 Hugging Face 博客发布 CWE-bench v2 安全基准，公开 100 个安全漏洞修复任务，供任何人运行和评测模型。该基准覆盖 91 种 CWE，评分完全程序化且可复现。在已评测的 11 个模型中，Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 以 67.3% 紧随其后。95 个任务至少被一个模型解决，但榜首模型每次尝试仍有 19% 失败。目前进展为基准与首批评测结果已公开。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face BlogCWE-bench v2 发布：公开 100 个安全漏洞修复任务
Collinear AI 发布 CWE-bench v2，公开 100 个任务供任何人运行和评测模型，覆盖 91 种 CWE，评分完全程序化且可复现。在已评测的 11 个模型中，Gemini 4 Argon 以 67.8% pass@1 领先，Claude Opus 5.5 为 67.3%；95 个任务至少被一个模型解决，但榜首模型每次尝试仍有 19% 失败。
本事件热度走势
当前热度 6·可比范围峰值 6（11月4日 02:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。