ニュース
CWE-bench v2: More coverage, quality, and transparency
Hugging Face · 公開日 · 読了3分
30秒で要点
- 何が起きたか
- CWE-bench v2 released with 100 public cybersecurity tasks covering 91 vulnerability types for evaluating AI agent capabilities.
- なぜ重要か
- Security engineers and AI researchers building or testing autonomous agents that find and fix real vulnerabilities in code.
- 注意点
- Even top models fail 19% of tasks on every attempt; benchmark covers only known vulnerability classes, not novel attack surfaces.
- rag
この話題の背景にあるパターン
各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。