跳到正文
arXiv cs.AI· Deokhyung Kang, Minjae Gwon, Sangdon Park·· 23 小时前AI 评分45

停止不等于极限:理解并激发智能体在长程漏洞利用中的能力

Stopping Is Not the Limit: Understanding and Eliciting Agent Capability in Long-Horizon Vulnerability Exploitation

AI 导读

研究在 ExploitBench 上用 DeepSeek-V4-Flash-0731 和 MiMo-V2.6-Pro 发现,智能体首次停止响应后继续执行仍能带来可验证的漏洞利用增益,但增益随执行变长而递减。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:漏洞利用测试考察语言模型智能体能否针对已知软件缺陷开发出可用的漏洞利用程序。顺序测试时扩展可以提升漏洞利用性能,但更大的预算并不能保证持续的探索:智能体常常在预算仍有剩余时就停止。然而,当执行在停止之后继续进行时会发生什么,仍缺乏充分研究。我们在 ExploitBench 上使用 DeepSeek-V4-Flash-0731 和 MiMo-V2.6-Pro 研究了这一空白。我们发现,在首次停止响应之后仍能获得额外且经核实的收益,但收益会随着执行时间延长而递减。我们识别出两种与产出较低的继续执行相关的模式:同一上下文中停止响应的比例不断上升,以及因摘要保留了对未达成能力的不可行性判断而导致的更早停止。为检验上下文管理能否激发出更多能力,我们提出 SCoRe,它在停止集中出现时压缩上下文,并将这些判断标记为未经证实。相比基于摘要的继续执行及其他经评估的上下文管理基线,SCoRe 提升了经核实的能力。使用 SCoRe 时,MiMo 在 2,000 轮时达到 67.0% 的能力覆盖率得分,既超过了原始停止策略下的 32.4%,也超过了根据 ExploitBench 在相同任务上 300 轮参考结果计算出的 GPT-5.5 的 58.6%。这些发现表明,停止并不必然标志智能体的漏洞利用极限,而在上下文管理下继续执行可以激发出可观的额外能力。
评论: 预印本
主题: 密码学与安全(cs.CR);人工智能(cs.AI);软件工程(cs.SE)
引用为: arXiv:2611.22888 [cs.CR]
  (或 arXiv:2611.22888v1 [cs.CR] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22888

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Deokhyung Kang [查看邮箱]
[v1] 2026年11月17日星期二 14:58:46 UTC(435 KB)

来源:arXiv cs.AI · arxiv.org