Collinear AI 发布 CWE-bench v2 基准测试
热点事件持续更新
Collinear AI 发布 CWE-bench v2 基准测试
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
Collinear AI 发布了 CWE-bench v2 基准测试集，公开包含 100 个网络安全任务的公开集，支持通过 Harbor 直接从 Hugging Face 运行评估。该数据集采用受限访问（gated）机制，用户需先在数据集页面接受访问条件。 评测结果显示，在 11 款受测模型中，Gemini 4 Argon 以 67.8% 的 pass@1 领先，Claude Opus 5.5 和 DeepSeek V4.1 Flash 等模型共同构成了帕累托前沿。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 08:00
Collinear AI 发布 CWE-bench v2 评测集报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face Blog精选Collinear AI 发布 CWE-bench v2 评测集
Collinear AI 发布 CWE-bench v2，公开包含 100 个网络安全任务的公开集，支持通过 Harbor 直接从 Hugging Face 运行评估。评测结果显示，Gemini 4 Argon 在 11 款受测模型中以 67.8% 的 pass@1 领先，Claude Opus 5.5 和 DeepSeek V4.1 Flash 等共同构成帕累托前沿。
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。