構建網絡安全評測的設計模式

Eugene Yan 梳理多個網絡安全基準，歸納智能體評測的共同設計模式，並比較它們衡量漏洞發現、重現與利用能力的方法。文章將常見設計概括為沙盒目標環境、影響任務難度的資訊、工具和評分器，並介紹 Cybench、CVE-Bench、CyberGym 等基準如何提供部分分數或按攻擊階段分級。