评估与增强大语言模型的漏洞推理能力
Evaluating and Enhancing the Vulnerability Reasoning Capabilities of Large Language Models
AI 导读
研究提出 DAGVul 框架，将大语言模型的漏洞推理建模为有向无环图（DAG）生成任务，推理 F1 分数较所有基线平均提升 18.9%。基准实证显示，最先进模型常基于幻觉逻辑给出正确判定而偏离真实根因，存在 12 种系统性失败模式。其 8B 参数版本超越 Qwen3-30B-Reasoning 与 GPT-OSS-20B-High，并以 75.47% 接近 Claude-Sonnet-4.5 的 76.11%。