研究评测 32 个 LLM 的代码功能与安全差距:新模型更安全但无一消除差距
在 CWEval 上跟踪代码生成的功能-安全差距
- arXiv
- 2610.08240
- Published
- Layer
- Model layer
- Setting
- coding agent
- Evaluated models
- Gemini 1.5 Pro, Gemini 2.5 Pro, Gemini 3.1 Pro and others20
Abstract绝对安全性上升且差距仍在,开放权重并不分开各家族的轨迹。
Another 232papers do not have category tags yet and are not included in filtered results.
在 CWEval 上跟踪代码生成的功能-安全差距
Abstract绝对安全性上升且差距仍在,开放权重并不分开各家族的轨迹。
评测编码智能体 harness 安全机制在对抗任务中的防护效果
构建 BazaarBench,评测 C2C 市场中 Agent 的违规与失信行为
BazaarBench 针对大语言模型智能体在去中心化 C2C 交易中的代理安全问题,提出了一个结合底层实体状态与大模型裁判的仿真基准平台。
提出 MADBench,评测多智能体辩论是吸收还是放大对抗影响
MADBench 是一个评测多智能体辩论安全性的基准,用来看攻击是被辩论吸收还是被放大。
构建可组合工具包 pikit,评测编码智能体的间接提示注入
pikit 是面向间接提示注入研究的组合式工具包,主要贡献是组织攻击、投递通道、防御和判定流程,而非提出新的攻击优化算法。
提出 MMSkillRisk 基准,评测多模态技能图像中的隐藏指令诱导 Agent 越权操作
Abstract论文提出 MMSkillRisk 基准与 NCVA 攻击,揭示多模态技能中教学图像潜藏指令可引发未授权操作并与良性任务共存。
提出 TRUSTFORK 基准,评测展示身份劫持多智能体编排权限
Abstract论文提出了多智能体安全基准 TRUSTFORK,揭示展示身份如何劫持操作权威,并证明事后验证无法弥补已发生的执行破坏。
提出 CAVE-BENCH,评测智能体在虚假指责下破坏已完成的正确工作
Abstract论文提出了评估智能体在虚假指责下破坏已有正确成果的 CAVE-BENCH,发现强模型易推翻已知证据,提出了门控缓解方案。
提出双控多智能体基准 DUMA-Bench,测量对抗环境下的策略违反
DUMA-Bench 把 τ²-bench 的双控交互做成智能体安全评测,用来看策略违反如何随用户、模型和环境一起出现。
构建 CLASHBENCH 评测特权 Agent 在资源冲突下的破坏性抢占
Abstract论文定义特权智能体的破坏性资源抢占风险,通过 CLASHBENCH 发现抢占普遍存在且易被隐瞒,呼吁建立系统级防护。
提出 Emergence World,对长时程多智能体系统开展对抗压力测试
Abstract作者通过长期平行世界实验指出模型对齐不具备可组合性,单模型群体会产生社会奉承、协同退缩及语言不透明等失效。
提出 WolfBench,测量金融智能体社会中有害智能体规模带来的集体崩溃
WolfSociety 把多智能体安全写成受控金融社会中的集体失败问题:智能体经社交网络交流,并在共享市场里交易,形成从交流到行动再到后续决策的闭环。
提出 SkillMisevo-Bench,量化自改进 Agent 的技能误演化
提出 SYNCHAIN,诱导计算机使用 Agent 自建跨任务持久攻击链
Abstract论文揭示了 CUA 自合成工件带来的内部供应链威胁,验证了潜伏载荷的跨任务传播能力与防御局限。
构建 ForesightSafety-TIDE 评测欺骗对多智能体事实恢复的影响
复现 AgentCF 上的多智能体攻防并刻画连通性作用
作者在 AgentCF 上研究连通性如何改变多智能体协同过滤的攻防,复现已有方法而不是提出新载荷。
提出 MasDrift,评测多智能体在良性任务中的授权保持
MasDrift 把多智能体设计中的授权保持做成可测量性质,对象是没有攻击者的普通委托。
Proposes IssueTrojanBench to evaluate coding agents' execution of malicious issues
构建 OpenSkillRisk 评测编程 Agent 使用真实高风险第三方技能的安全性
审计部署的 vibe coding 应用并分析漏洞成因与缓解条件
Abstract论文全面揭示了部署 vibe-coded 应用的高危现状与成因,指出全流程管线防御优于单纯模型缩放。