Chinese contentVAST:把漏洞场景编译成可验证多步环境,评测 LLM 红队智能体
做安全智能体评测的应该看看这篇:VAST 把 CVE 场景编译成可调难度的多步靶场,glm-5.3、grok-4.7、deepseek-v4-pro 在没拿到工作流协议时 90 道题只解出 12-14 道,给全协议就到 76。它还用 Qwen2.5-Coder-7B 微调对比证明头部信息恢复训练有效。
做安全智能体评测的应该看看这篇:VAST 把 CVE 场景编译成可调难度的多步靶场,glm-5.3、grok-4.7、deepseek-v4-pro 在没拿到工作流协议时 90 道题只解出 12-14 道,给全协议就到 76。它还用 Qwen2.5-Coder-7B 微调对比证明头部信息恢复训练有效。