ExploitGym：AIエージェントは脆弱性を実際の攻撃に変えられるか？

ExploitGymは、AIエージェントがセキュリティ脆弱性を実際のエクスプロイトに変換する能力を評価するための大規模で多様な現実的なベンチマークです。ユーザースペースプログラム、Google V8 JavaScriptエンジン、Linuxカーネルにわたる898の実世界の脆弱性インスタンスで構成されています。評価によると、Claude Mythos PreviewやGPT-5.5のような最先端モデルは、一般的な防御が有効でも脆弱性のかなりの割合を悪用でき、サイバーセキュリティリスクの増大を浮き彫りにしています。