AI 编程智能体安全基准测试
Endor Labs 发布了 Agent Security League 开放评测，对主流 AI 编程智能体同时评测功能正确率与安全正确率。该评测扩展自卡内基梅隆大学的 SusVibes 研究，包含取自 108 个开源 Python 项目、覆盖 77 类漏洞的 200 个真实任务。排行榜显示明显落差：即便是头部智能体，也常常生成「功能通过但安全不通过」的代码——这为团队提供了超越原始通过率的安全维度衡量标准。
报道来源
- Hacker News (AI)2026-10-23 20:08