论文提出两阶段后训练打造本地安全Agent,提权成功率93.3%
热点事件持续更新
论文提出两阶段后训练打造本地安全Agent,提权成功率93.3%
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Philipp Normann 等人在 arXiv 论文中提出两阶段后训练方法,把 4B 小模型训练成聚焦 Linux 提权任务的安全 Agent:先做监督微调,再用可验证奖励的强化学习,得到模型 PrivEsc-LLM 4B。 在 12 个留出提权场景、20 轮交互预算的测试下,该模型成功率达 93.3%,超过论文评估中所有能装进单张消费级 GPU 的模型;论文称每次成功提权的预期推理成本比 Claude Opus 4.7 低 80 倍以上。
AI 根据报道生成 · 38 分钟前更新
最新进展11月18日 13:00
PrivEsc-LLM 4B:面向本地安全智能体的可验证后训练方法报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIPrivEsc-LLM 4B:面向本地安全智能体的可验证后训练方法
一篇 arXiv 论文提出两阶段后训练方法,将小型本地模型训练为安全智能体,聚焦 Linux 提权任务:先对 4B 模型做监督微调,再用可验证奖励的强化学习。在 12 个留出提权场景、20 轮交互预算下,PrivEsc-LLM 4B 成功率达 93.3%,超过所有能塞进单张消费级 GPU 的模型,每次成功提权的预期推理成本比 Claude Opus 4.7 低 80 倍以上。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。