Hugging Face发布CWE-bench v2，覆盖100项安全修复任务

CWE-bench v2公开了100项任务，覆盖91种CWE漏洞类型，用于评估智能体在真实开源仓库中发现并修复安全弱点的能力。评测采用Docker化环境和确定性验证器，结果可复现；11个模型中，Gemini 4 Argon以67.8% pass@1和81.0% pass@4领先Claude Opus 5.5。