停止并非极限:理解与激发智能体在长程漏洞利用中的能力
Stopping Is Not the Limit: Understanding and Eliciting Agent Capability in Long-Horizon Vulnerability Exploitation
AI 导读
研究者在 ExploitBench 漏洞利用测试中发现,语言模型智能体停止后继续执行仍有可验证的能力提升,并提出上下文管理方法 SCoRe 加以激发。实验使用 DeepSeek-V4-Flash-0731 和 MiMo-V2.6-Pro,智能体常在预算未用完时停止,收益随执行变长递减。SCoRe 在停止响应密集时压缩上下文,并把摘要中对未达成能力的不可能判断标记为未证实,效果优于基于摘要的延续和其他受评的上下文管理方法。用 SCoRe 后 MiMo 在 2000 轮能力覆盖分达 67.0%,高于其在原停止策略下的 32.4% 和同批任务上按 ExploitBench 300 轮参考结果算得的 GPT-5.5 的 58.6%。