**从受控到实战：AI渗透测试代理在真实环境中的评估协议**

_From Controlled to the Wild: Evaluation of Pentesting Agents for the Real-World_

> 现有基准测试难以反映AI渗透测试代理在复杂真实场景中的表现。该研究提出一种新的评估协议，将重点从任务完成转向经验证的漏洞发现，结合结构化事实与LLM语义匹配，以衡量代理在开放探索、战略决策及多攻击面下的实际能力，并开源了相关代码与专家标注数据。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.10834)