AVRI：降低LLM智能体漏洞挖掘成本
热点事件持续更新
AVRI：降低LLM智能体漏洞挖掘成本
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Li Lu 等人发布论文，提出面向 LLM 智能体漏洞发现的推理接口 AVRI，其核心是持久化的双向证据追踪（BET）。在 20 个评测任务上，AVRI 使 Codex 总成本降低 18.0%、OpenCode 降低 23.7%，同时保持成功率，召回率提升或持平。 该研究还诊断了智能体漏洞挖掘的成本与失败原因：基于 200 条 CyberGym 轨迹，代码定位与理解、漏洞推理与触发设计占 token 消耗的 60.4%；在对比方案中，仅 24.4% 能在降低总成本的同时保持成功率。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
研究揭示 LLM 智能体漏洞挖掘的 token 消耗去向，并提出 AVRI 接口降本 18%-23.7%报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.SE研究揭示 LLM 智能体漏洞挖掘的 token 消耗去向，并提出 AVRI 接口降本 18%-23.7%
一项基于 200 条 CyberGym 轨迹的研究诊断了 LLM 智能体在漏洞挖掘中的成本与失败原因：代码定位与理解、漏洞推理与触发设计占 token 消耗的 60.4%，且仅 24.4% 的对比在降低总成本的同时保持成功率。
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。