09:35官方账号arXiv cs.AI@Md Erfan, Ahmed Ryan, Md Kamal Hossain Chowdhury, Md Rayhanur Rahman该论文构建了CAV-STIXGen数据集,将自动驾驶车辆漏洞描述映射到STIX域对象、关系对象、CWE及MITRE ATT&CK技术。评估了11个开放权重LLM(4B至120B参数),单模型在SDO、SRO、CWE映射上F1分别达0.94、0.63、0.99,而完整ATT&CK映射仍有挑战。多智能体方案中Gemma-4-31B与Codestral-22B在SDO和SRO上分别获0.91和0.43的F1。分析了CWE与ATT&CK共现模式,展示了AI辅助漏洞转STIX的自动化威胁情报能力。论文LLMSTIX自动驾驶推荐理由:这篇论文测了11个开源模型做漏洞结构化的效果,Gemma-4-31B和Codestral-22B组队挺有意思,做安全情报的可以看看F1分数。原文稍后读已读值得跟进有用关注 LLM
13:54官方一手歸藏(guizang.ai)@op7418博主归藏测试了 Fable 5 模型,发现其在漏洞分析和 bug 寻找方面表现很强,但在代码生成上并不完美,写出的代码常有明显 bug,需要多次修复。相比 Fable 4.8,Fable 5 在某些方面提升显著,但在另一些方面提升有限,整体呈现偏科特点。该测试提醒开发者不要盲目依赖单一模型,需根据任务场景选择合适工具。AI模型Fable 5漏洞分析代码生成10 个信源在谈事件专题推荐理由:做安全审计或漏洞分析的开发者可以重点关注 Fable 5 的强项,但写代码的团队要谨慎——它可能不是万能替代品,建议实测后再决定是否迁移。原文稍后读已读值得跟进有用关注 Fable 5
13:51官方一手歸藏(guizang.ai)@op7418用户归藏测试了 Fable 5 模型,发现其在漏洞分析和 bug 寻找方面表现很强,但在代码生成上并不完美,写出的代码常有明显 bug,需要多次修复才能完成。整体来看,Fable 5 是一个偏科严重的模型,某些方面比 4.8 好很多,但另一些方面提升有限。该评测为开发者提供了实际使用中的参考。AI模型Fable 5模型评测漏洞分析10 个信源在谈事件专题推荐理由:做安全审计或漏洞分析的开发者可以重点关注 Fable 5 的强项,但写代码时别完全依赖它——实测有坑,建议搭配其他模型使用。原文稍后读已读值得跟进有用关注 Fable 5