Evaluating Coding Agents on Kernel Exploit Generation

arXiv cs.AI · 23 sept, 06:00

Investigadores presentan KEX-bench, un benchmark para evaluar agentes de IA en la generación de primitivas de exploit contra kernels reales de Linux y Windows. Los agentes más avanzados alcanzan el 56% de éxito en tareas de Linux y el 5% en Windows sin PoC de referencia, mejorando hasta el 68,9% con ejemplos previos, revelando un vacío crítico entre causar crashes del kernel y construir exploits funcionales.