ExploitBench v0.1：评估 LLM 智能体利用真实软件漏洞的渐进能力
2026.10.03 · 事件 · 论文 · 论文预印本
CMU 推出 ExploitBench，用 41 个 V8 漏洞衡量 LLM 智能体的漏洞利用能力阶梯。
卡内基梅隆大学研究者发布 ExploitBench，评估 LLM 智能体利用真实软件漏洞的能力。它不按成功或失败二分打分，而是沿能力阶梯衡量从触达漏洞代码、触发崩溃、构建利用原语到任意代码执行的进展。基准针对 Chromium V8 引擎中已有补丁的 N-day 漏洞，共 41 个，在启用堆沙箱、ASLR 和栈金丝雀等缓解措施的默认发布版本上评测。
- CMU 研究者发布 ExploitBench，评估 LLM 智能体漏洞利用能力
- 不按成功失败二分，而是沿能力阶梯衡量渐进进展
- 针对 Chromium V8 引擎中已有补丁的 N-day 漏洞
- 共 41 个 V8 漏洞，均为 2024 年或之后报告
- 利用过程拆为 16 个确定性评分 flag，分属五个层级
为什么值得看
了解 LLM 智能体在真实漏洞利用上的能力边界与评测方法。
适合谁关注
AI 安全研究者、漏洞研究人员、智能体开发者。