Exploitbench：全面评估AI代理的漏洞利用能力

要点

• Exploitbench将漏洞利用过程分为5个层级（T1-T5），从代码覆盖到完全控制，全面衡量AI能力。
• Claude Mythos Preview和GPT-5.5在多个V8漏洞上实现了最高级别的完全控制（T1）。
• 现有基准仅评估崩溃触发（T4），而Exploitbench测量从覆盖到执行的完整阶梯。
• 该基准提供开源工具和MCP服务器，用户可在Docker中运行自己的评估。