Dans l'actualité
KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- KaliBench est un benchmark de 8 504 paires requête-commande pour évaluer la capacité des LLMs à traduire le langage naturel en commandes Kali Linux exécutables.
- Pourquoi ça compte
- Pour les ingénieurs en sécurité et chercheurs ML qui construisent ou évaluent des systèmes IA devant générer des instructions CLI précises pour les workflows de test de pénétration.
- Vigilance
- Aucun modèle open-weight n'a dépassé 42% de précision sur commandes exactes sans indices, révélant que les LLMs actuels peinent avec la syntaxe CLI malgré les améliorations.
- agent
- agentic
- llm
- tool use
- edge
Les patterns derrière cette actualité
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.