Salta al contenuto
GiornalAIo
Gazzetta quotidiana dell'intelligenza artificiale
Scienze

CWE-bench v2: 100 compiti pubblici per far trovare e correggere falle agli agenti

Un test pubblico e riproducibile sulle falle di sicurezza, mentre i modelli imparano a cercarle.

CWE-bench v2: 100 compiti pubblici per far trovare e correggere falle agli agenti
Illustrazione generata con IA (FLUX.2 klein)

Collinear AI (Hugging Face). Collinear AI pubblica CWE-bench v2, un banco di prova per le capacità informatiche dei modelli di frontiera, con 100 compiti pubblici su cui chiunque può valutare il proprio modello. L'agente riceve una copia di un vero repository open source e una breve istruzione: trovare e correggere una debolezza di sicurezza senza rompere le funzioni esistenti. La valutazione è interamente automatica e deterministica, e i controlli sono stati curati con pannelli di modelli giudici. I compiti coprono 91 diverse categorie di debolezze (CWE) e c'è anche un insieme riservato per seguire i progressi su compiti che nessun modello ha visto.

100 compiti su 91 tipi di debolezze

3 novembre 2026Verificata 82/100Leggi su Collinear AI (Hugging Face)

Leggi su Collinear AI (Hugging Face)

Argomenti: Agenti di IA · Sicurezza informatica

A cura di Alessio Ascione. Sintesi scritta con l'aiuto di Claude a partire dal testo della fonte, che fa sempre fede: come nasce il giornale. Rettifiche o rimozioni: modulo.

Da leggere insieme