MetaVul 自动搜索漏洞检测智能体框架，并显示跨模型可迁移。
资讯摘要
论文提出 MetaVul，一个用于漏洞检测的智能体框架（harness）自改进发现方法。它从结构化推理脚手架出发，利用成对的漏洞函数与修复函数反馈迭代优化框架，并保留推理结构与判定格式；每轮在历史框架的轨迹、日志和指标中搜索，返回帕累托最优框架集合。作者报告，优化后的框架在验证集（202 对）上成对漏洞检测准确率最高提升 23.3 个百分点，在留出集（430 对）上最高提升 25.8 个百分点，且在一个模型上学到的框架可迁移到其他模型，无需再优化即提升留出集成对准确率 14.7 个百分点。
要点速读
- MetaVul 用工作流式优化循环迭代改进漏洞检测智能体的 harness，并返回帕累托最优框架集合。
- 作者报告验证集提升最高 23.3 个百分点、留出集最高 25.8 个百分点。
- 在一个模型上优化的框架可迁移到其他模型，留出集成对准确率提升 14.7 个百分点。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。