Direction for Detection: A Survey of Automated Vulnerability Detection and all of its Pain Points
本文对 87 项具有影响力的机器学习漏洞检测（ML4AVD）研究进行了系统综述，识别出贯穿该领域的十二个相互强化的痛点。这些痛点导致领域长期集中于 C/C++ 函数级别的二分类问题，忽视了漏洞类型预测、更广泛的语言支持以及输入与检测粒度的分离。文章针对每个痛点提出了具体建议以打破反馈循环，并以 AIxCC 为例评估了近期高影响力工作的对齐情况，同时反思了 ML4AVD 在智能体 AI 时代的适用性。