arXiv发布HardEval安全加固基准
发生了什么
据arXiv cs.LG报道，研究团队发布HardEval，这是首个经执行验证的AI驱动安全加固与合规修复基准测试。该基准基于Red Hat Enterprise Linux 8 STIG控制构建，要求模型生成Bash脚本并在实时虚拟机上执行，通过OpenSCAP/OVAL检查进行评分。评估显示不同配置在安全领域存在能力差异，且存在代码看似合理但不满足合规条件的失败模式。HardEval现已公开可用。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口