Hugging Face Blog·· 13 天前AI 评分48
Collinear AI 发布 CWE-bench v2：100 个公开任务覆盖 91 种 CWE
CWE-bench v2: More coverage, quality, and transparency
AI 导读
Collinear AI 发布 CWE-bench v2，公开 100 个安全漏洞修复任务，覆盖 91 种 CWE，评分完全程序化且可复现。11 个模型中 Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 以 67.3% pass@1 紧随其后。
来源：Hugging Face Blog · huggingface.co