CyberChainBench：AI 智能体能否保护智能合约免受真实链上漏洞影响？

研究者提出 CyberChainBench 基准，用于评测 LLM 智能体在智能合约安全上的漏洞检测、漏洞利用与补丁合成三项任务。基准由 DeFiHackLabs 的 541 起真实漏洞利用事件构成，覆盖 9 条 EVM 链，每个案例锚定特定区块，智能体在 Harbor 编排的隔离环境中读取代码、追踪交易并在主网分叉上验证漏洞利用。漏洞利用按对历史分叉的经济影响评分，补丁则通过重放历史攻击与正常交易来验证。评测呈现明显的难度梯度：最佳配置在检测上得分 37.5%，利用 43.7%，修补仅 23.4%；表现最好的 Codex 搭配 GPT-5.5 在 200 例漏洞利用集上共获得 $57.4M 利用收益，每例成本 $2.39。