发生了什么
AI 会写代码早已不是新鲜事。 真正的难点在于， 如何将 AI 置于陌生且庞杂的真实代码库中，使其扮演安全研究员的角色进行持续调查 ：剖析漏洞机理、追踪代码逻辑、编写触发输入、排除干扰项，最终交付一份经得起检验的 PoC。 最近，机器之心在 CyberGym 榜单上看到一个亮眼的成绩：在这项包含 1507 项真实漏洞任务 的测试中， 深信服 Sangfor AI 依托纯国产基座模型（GLM-5.2） 完成了 1301 项，综合成功率达 86.3%，位列全球前四、国内参评团队首位 。 但如果只把它理解成「国产模型又拿下了一个高分」，可能就低估了这次结果的技术意义。因为真正被验证的，不仅是模型对代码的阅读理解能力，更是一个安全 Agent 系统能否将分散的代码推理与工具调用，有机整合为可探索、可追溯、可验证、可交付的漏洞研究流程。 CyberGym 的这个评测，要求 AI 在庞杂的真实代码库中，独立完成可执行、可验证的漏洞复现。核心规则极为严格：引发崩溃，并不等于复现目标漏洞。 换言之， 系统必须建立异常与指定缺陷之间的严密因果关系 。这也是该榜单的含金量所在。它考核的不是 AI 能否拼凑出貌似合理的答案，而是能否完成一场受证据约束的深度漏洞研究。 在这样的要求下， 深信服 Sangfor AI 完成了 1301 项，整体成功率达 86.3%。 其中， ARVO 来源任务完成 1193 项（成功率 87.2%），OSS-Fuzz 来源任务完成 108 项（成功率 77.7%）。同台竞技的名单中不乏 OpenAI、Anthropic、Meta 等全球顶尖团队。 在统一的验证规则下，86.3% 的完成率释放了一个明确信号： 以国产大模型为底座的安全 Agent 系统，已跻身全球第一梯队。 然而，比排名更具参考价值的是，深信服正通过一套专为安全研究打造的 Agent 系统，将模型能力转化为可落地的安全成果。 深信服为什么要用 Agent 做漏洞扫描和复现？ 并不是因为「一个模型不够强，所以就多调用几个」，而是漏洞研究本身就不是一个「一次性问答」能够稳定承载的任务。 漏洞复现，本质上是一个持续消减不确定性的过程。 一段简短的漏洞描述往往对应多种解释；一段看似危险的代码，未必能从真实入口抵达；一个触发崩溃的输入，也未必命中了目标缺陷。真正的漏洞研究，需要不断假设、取证、实验并排除反例。 单个模型能做局部代码分析或生成候选 PoC。但在长链路探索中，冗长的对话上下文会带来明显的隐患：早期的误判容易固化为默认前提，失败的路径被反复试错，海量日志挤占了关键事实，且生成候选与自我审核由同一过程承担。 为了解决这些难题，Sangfor AI 设定了一套核心的「证据治理」机制： 让模型可以大胆的提出假设，但系统必须谨慎的接受结论。 1. 先让「假设」充分展开，再让证据决定「假设」的去
AI 会写代码早已不是新鲜事。 真正的难点在于， 如何将 AI 置于陌生且庞杂的真实代码库中，使其扮演安全研究员的角色进行持续调查 ：剖析漏洞机理、追踪代码逻辑、编写触发输入、排除干扰项，最终交付一份经得起检验的 PoC。 最近，机器之心在 CyberGym 榜单上看到一个亮眼的成绩：在这项包含 1507 项真实漏洞任务 的测试中， 深信服 Sangfor AI 依托纯国产基座模型（GLM-5.2） 完成了 1301 项，综合成功率达 86.3%，位列全球前四、国内参评团队首位 。 但如果只把它理解成「国产模型又拿下了一个高分」，可能就低估了这次结果的技术意义。因为真正被验证的，不仅是模型对代码的阅读理解能力，更是一个安全 Agent 系统能否将分散的代码推理与工具调用，有机整合为可探索、可追溯、可验证、可交付的漏洞研究流程。 CyberGym 的这个评测，要求 AI 在庞杂的真实代码库中，独立完成可执行、可验证的漏洞复现。核心规则极为严格：引发崩溃，并不等于复现目标漏洞。 换言之， 系统必须建立异常与指定缺陷之间的严密因果关系 。这也是该榜单的含金量所在。它考核的不是 AI 能否拼凑出貌似合理的答案，而是能否完成一场受证据约束的深度漏洞研究。 在这样的要求下， 深信服 Sangfor AI 完成了 1301 项，整体成功率达 86.3%。 其中， ARVO 来源任务完成 1193 项（成功率 87.2%），OSS-Fuzz 来源任务完成 108 项（成功率 77.7%）。同台竞技的名单中不乏 OpenAI、Anthropic、Meta 等全球顶尖团队。 在统一的验证规则下，86.3% 的完成率释放了一个明确信号： 以国产大模型为底座的安全 Agent 系统，已跻身全球第一梯队。 然而，比排名更具参考价值的是，深信服正通过一套专为安全研究打造的 Agent 系统，将模型能力转化为可落地的安全成果。 深信服为什么要用 Agent 做漏洞扫描和复现？ 并不是因为「一个模型不够强，所以就多调用几个」，而是漏洞研究本身就不是一个「一次性问答」能够稳定承载的任务。 漏洞复现，本质上是一个持续消减不确定性的过程。 一段简短的漏洞描述往往对应多种解释；一段看似危险的代码，未必能从真实入口抵达；一个触发崩溃的输入，也未必命中了目标缺陷。真正的漏洞研究，需要不断假设、取证、实验并排除反例。 单个模型能做局部代码分析或生成候选 PoC。但在长链路探索中，冗长的对话上下文会带来明显的隐患：早期的误判容易固化为默认前提，失败的路径被反复试错，海量日志挤占了关键事实，且生成候选与自我审核由同一过程承担。 为了解决这些难题，Sangfor AI 设定了一套核心的「证据治理」机制： 让模型可以大胆的提出假设，但系统必须谨慎的接受结论。 1. 先让「假设」充分展开，再让证据决定「假设」的去
为什么重要
需要你自己点开原文确认一次，这里给的是摘要与判断。
需要你自己点开原文确认一次，这里给的是摘要与判断。
跟你有什么关系
能转：做内容的话，这条多半能直接变成一个选题或一段工作流。
能转：做内容的话，这条多半能直接变成一个选题或一段工作流。
以上判断为规则生成的初稿，发布前请润色。
判定理由
评分 0 / 100