热点事件持续更新

AgenticVulHunter：本地开源模型做安全代码审查

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Nishant Abhishek 等作者提出并评测了 AgenticVulHunter，一种可运行在本地部署开源权重 LLM 上的智能体安全代码审查方法与工具。在 SCRBench 的 144 个漏洞案例上，该方法使用 Qwen3-Coder-30B 的准确率为 18.4%，使用 DeepSeek V3.1 Terminus 为 23.8%。作者给出的对照是：其复现的 AgenticSCR 方法配 Qwen3-Coder-30B 为 11.8%，AgenticSCR 配 Claude Sonnet 4 为 17.5%。

AI 根据报道生成 · 2 小时前更新

最新进展10月21日 12:00

AgenticVulHunter：把本地智能体漏洞挖掘带到终端

报道时间线

沿着报道，了解事件的不同侧面。

10月21日

12:00
arXiv cs.SE
AgenticVulHunter：把本地智能体漏洞挖掘带到终端
AgenticVulHunter 是一个可在本地部署开源权重 LLM 上运行的智能体安全代码审查工具。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。