Словарь
CyberGym
Открытый бенчмарк для оценки ИИ-агентов на реальных задачах информационной безопасности: по описанию уязвимости и исходному коду проекта агент должен воспроизвести уязвимость, а в расширенных вариантах — найти её и подготовить исправление. Задачи собраны из открытых проектов, что делает проверку легальной и воспроизводимой.