Безопасный AI-агент GCSA достиг 91,3% в CyberGym

AI-агент GCSA зафиксировал уровень успеха 91,3% в оценке CyberGym. Этот агент основан на моделях 4.5 и 4.6, а CyberGym представляет собой систему оценки AI-агентов по безопасности, включающую 1507 реальных уязвимостей из 188 программных проектов. Основное внимание в оценке уделяется способности воспроизводить реальные уязвимости, а не пониманию кода; успех AI-агента определяется по описанию уязвимостей, анализу кода и выводам о путях атаки. GCSA объясняет этот результат как достижение AI-агента по безопасности и привела примеры, когда AI обнаруживал уязвимости нулевого дня и неполные патчи безопасности. Однако результаты таблицы лидеров CyberGym могут варьироваться в зависимости от командных заявок, и разница в баллах может не отражать реальных различий в способностях. Результат 91,3% для агента GCSA демонстрирует высокие достижения, но влияние этого балла на качество безопасности услуг требует дополнительной проверки.