Binary Exploitation benchmark
AssessKỹ thuật
Một benchmark nội bộ để đánh giá khả năng tạo khai thác và tấn công nhị phân.
Vì sao ở đây
Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là tin nghiên cứu, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.
Bằng chứng (1)
- 7Simon Willison·29/9/2026researchNhóm red team của Anthropic nêu năng lực khai thác nâng cao của GLM-5.3
Một trích dẫn từ Frontier Red Team của Anthropic cho biết GLM-5.3 đạt mức chiếm quyền điều khiển luồng thực thi hoàn chỉnh trong 4% số thử nghiệm trên một benchmark khai thác nhị phân nội bộ. Theo trích dẫn, đây là một ngưỡng đáng chú ý vì các mô hình trước đó như Claude Opus 4.6 và GLM-5.2 không đạt kết quả nào trong các thử nghiệm này.