Collinear AI 发布 CWE-bench v2 测试集
热点事件持续更新
Collinear AI 发布 CWE-bench v2 测试集
1 篇报道1 个报道来源20 小时前更新
先了解这件事
AI 综述
Collinear AI 发布了 CWE-bench v2，公开包含 100 个任务的公共测试集以评估前沿网络安全能力。测试结果显示，Gemini 4 Argon 在 11 个被评估模型中以 67.8% 的 pass@1 领先，Claude Opus 5.5 紧随其后。 该基准测试的所有任务均采用自包含的 Harbor 任务形式，并支持直接从 Hugging Face 仓库运行评测。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 08:00
Collinear AI 发布 CWE-bench v2：扩大测试覆盖率、质量与透明度报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face BlogCollinear AI 发布 CWE-bench v2：扩大测试覆盖率、质量与透明度
Collinear AI 发布 CWE-bench v2，公开了包含 100 个任务的公共测试集，旨在测试前沿网络安全能力。测试结果显示，Gemini 4 Argon 在 11 个被评估的模型中以 67.8% 的 pass@1 领先，Claude Opus 5.5 紧随其后。该基准测试所有任务均采用自包含的 Harbor 任务形式，支持直接从 Hugging Face 仓库运行评测。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。