**CVE-Bench：评估AI代理修复真实安全漏洞的基准测试**

_Ask HN: Which CVEs should I add to my Python security benchmark for AI agents?_

> CVE-Bench是一个用于评估大型语言模型智能体修复现实世界安全漏洞能力的基准测试工具。该工具在沙箱Docker容器中运行智能体，并通过维护者的安全测试套件进行评分，支持OpenAI、Anthropic等主流模型，旨在为AI代理的安全性提供量化评估标准。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-07-23 22:10（北京时间）
- **原文**：[打开原文](https://github.com/GiovanniGatti/cve-bench)