清华大学网络研究院 NISL 实验室发布 SecCodeBench 2.0：面向智能编码工具的代码安全评测体系升级 文章探讨了AI生成代码的安全性评测体系的局限性，并介绍了SecCodeBench 2.0的推出。该基准测试套件针对现有评测体系在测试用例质量、评估方法单一性和智能编码工具覆盖不足等问题进行了改进。通过重构评测对象、升级评估标准和优化测试用例设计，SecCodeBench 2.0旨在更贴合实际需求，提升AI编程的安全性和可靠性。... 2025-9-24 10:53:35 | 阅读: 11 | 收藏 | NISL@THU - netsec.ccert.edu.cn 安全 模型 漏洞 编程 数据