論文の概要: Feyospace-v1: How the Cyber Mercury Seven Trained Frontier Cyber Models
- arxiv url: http://arxiv.org/abs/2609.08418v1
- Date: Tue, 08 Sep 2026 08:26:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.618277
- Title: Feyospace-v1: How the Cyber Mercury Seven Trained Frontier Cyber Models
- Title（参考訳）: Feyospace-v1: サイバーマーキュリー7の訓練されたフロンティアサイバーモデル
- Abstract要約: 有能なサイバーエージェントの訓練は、主にモデルスケールの問題として扱われる。
5つの相補的なシステムを通して、これらのボトルネックに対処するデータ中心のフレームワークを提案する。
これは、7人の独立したチームがエージェントサイバー能力をリードするオープンウェイトモデルをトレーニングできる初のエンドツーエンドのデモである。
- 参考スコア（独自算出の注目度）: 2.3805941196218163
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Training capable cyber agents is often treated primarily as a problem of model scale, yet open-weight post-training is constrained more directly by the cost of executable environments, reliable multi-turn supervision, and access to strong teachers. We present a data-centric framework that addresses these bottlenecks through five complementary systems: Choulea analyzes hidden reasoning signatures, SkyReal reduces teacher-sampling cost, Hongzwang bypasses API restrictions on teacher execution, PSBreakup restores capabilities weakened by model merging, and Kreator converts expert interventions into trainable reasoning. Our data engine constructs resettable coding, vulnerability, CTF, kernel-history, full-exploit, firmware, and device-backed environments. Candidate trajectories are retained only after execution verification and evidence auditing, yielding 164,269 trajectories for long-context supervised fine-tuning. The three checkpoints improve over their starting models by an average of 23.76% on the full CyberGym suite and 10.49% across the pooled CTF suites. As of September 1, 2026, Feyospace-s1 achieves a verified success rate of 63.24% and ranks 10th on the official CyberGym leaderboard, while all three checkpoints rank 1st among models at comparable parameter scales. To our knowledge, this is the first end-to-end demonstration that a seven-person independent team can train open-weight models with leading agentic cyber capability.
- Abstract（参考訳）: 有能なサイバーエージェントの訓練は、主にモデルスケールの問題として扱われるが、オープンウェイトなポストトレーニングは、実行可能環境のコスト、信頼性の高いマルチターン監視、強力な教師へのアクセスによって、より直接的に制限される。
Chouleaは隠れた推論シグネチャを解析し、SkyRealは教師サンプリングコストを削減し、Hongzwangは教師実行のAPI制限を回避し、PSBreakupはモデルマージによって弱まった能力を回復し、Kreatorは専門家の介入を訓練可能な推論に変換する。
我々のデータエンジンは、リセット可能なコーディング、脆弱性、CTF、カーネル履歴、フルエクスロ、ファームウェア、デバイス支援環境を構築する。
候補トラジェクトリは、実行検証と証拠監査の後にのみ保持され、長いコンテキストで監督された微調整のために164,269のトラジェクトリが生成される。
3つのチェックポイントは、CyberGymスイートで平均23.76%、プールされたCTFスイートで平均10.49%改善されている。
2026年9月1日時点で、Feyospace-s1は63.24%の成功率を記録し、公式のCyberGymリーダーボードでは10位となっている。
私たちの知る限り、これは7人の独立したチームがエージェントサイバー能力をリードするオープンウェイトモデルをトレーニングできる初のエンドツーエンドのデモです。
関連論文リスト
- NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness [76.6324710887112]
NeoHorse-1は、エージェントのポストトレーニングを通じてこの経路を探索するために開発されたエージェントネイティブモデルのファミリーである。
本システムでは,異種モデルプールとインテリジェントなルーティング,予測能力要求,選択されたサービス層,およびその後のユーザ毎のインタラクションを結合する。
論文 参考訳（メタデータ） (2026-09-08T03:14:54Z) - CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild [49.44069582581181]
CyberFactoryは、CVEを含む公開脆弱性アーティファクトをワイルドから実行可能で検証可能なタスクインスタンスに変換する。
再利用可能な脆弱性分析スキルを使用して、ソースインスペクション、ドメイン前の問題解決、エビデンスベースのバリデーションを通じて教師を指導する。
CyberGymでは1時間の予算で52.4%のPass@1に達し、Qwen3.5ベースモデルを+22.8ポイント改善した。
論文 参考訳（メタデータ） (2026-08-24T12:30:10Z) - Cybersecurity Detection Classification with Reasoning-enabled Language Models [50.72675435043546]
セキュリティオペレーションセンター(SOC)の大きな問題は、警告疲労である。
以前の作業では、大きな言語モデル(LLM)がトリアージラベルを直接出力するように促すか、あるいは微調整するが、検出が真の脅威であるかどうかを判断するよう訓練することはない。
我々は、実際の人間ラベルのWindowsエンドポイント検出に対して、推論可能なトリアージ分類器(CoT)を訓練する。
論文 参考訳（メタデータ） (2026-07-30T16:22:13Z) - Determinants and Limits of LLM Security-Tool Orchestration: A Study with HexStrike-AI [2.2616066835313253]
7つのカテゴリと3つの難易度で86のPicoCTF課題を実行し、3つのツールアクセスレジームと3つのモデル/クライアント構成で実行します。
既存のツール,エージェント・ビヘイビアの変更,11の新たな機能ツールに修正を適用し,これまで未経験だったトライアルを再実行します。
全体の解決率は55.4%から72.0%に上昇し、全ての構成が大幅に改善される。
論文 参考訳（メタデータ） (2026-07-03T02:20:04Z) - AgentCyberRange: Benchmarking Frontier AI Systems in Realistic Cyber Ranges [20.164879773235594]
我々はAgentCyberRangeを紹介した。AgentCyberRangeは、現実的なサイバー範囲で自律的なサイバー攻撃能力を測定するための、最初のオープンでマルチレンジのインフラである。
15の実際のWebアプリケーションと8つのエンタープライズライクなサイバーレンジに156の内部ホストを組み合わせた110の脆弱性に加えて、実行、オーケストレーション、結果収集、検証用のツールチェーンであるCageも備えている。
我々は、一致したプロンプトと予算の下で、6つのフロンティアAIシステムを評価します。GPT-5.5 with Codexは、Webエクスプロイトタスクの16.1%、探索後のタスクの31.7%を解決します。
論文 参考訳（メタデータ） (2026-06-12T09:29:58Z) - DroneShield-AI: A Multi-Modal Sensor Fusion Framework for Real-Time Autonomous Drone Threat Detection, Behavioral Intent Classification, and Swarm Intelligence in Contested Airspace [0.0]
DroneShield-AIは、6つの処理層を統合する統一されたオープンフレームワークである。
BICEは、ドローンの飛行パターンに対する最初の体系的な6クラスの脅威分類を導入した。
GNN-SIMは, 対向多面体生成解析のための最初のオープンフレームワークである。
論文 参考訳（メタデータ） (2026-06-10T06:00:24Z) - What Makes Interaction Trajectories Effective for Training Terminal Agents? [55.62817294510983]
Terminal-Legoは、現実世界の問題を環境検証されたエージェントタスクに変換するスケーラブルなパイプラインである。
下着剤であるDeepSeek-V3.2の軌跡を微調整した学生は、はるかに強力な一般化を示している。
Qwen3-32Bは15.3kの終端レゴ軌道しか持たず、終端ベンチ2.0で24.3%のスコアを獲得し、データボリュームの30倍以上で確立された以前のSOTAのパフォーマンスと競合する。
論文 参考訳（メタデータ） (2026-06-02T10:37:47Z) - A Two-Stage, Object-Centric Deep Learning Framework for Robust Exam Cheating Detection [0.0]
学術的完全性は、試験不正の永続的な課題に直面し続けている。
従来の吸気は人間の観察に依存しており、これは非効率でコストがかかり、大規模なエラーを起こしやすい。
本稿では,よく知られた技術を用いた試験不正検出のための簡易な2段階フレームワークの改良を提案する。
論文 参考訳（メタデータ） (2026-04-17T16:53:08Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z) - Large Reasoning Models Are Autonomous Jailbreak Agents [9.694940903078656]
AIモデルに組み込まれた安全メカニズムをバイパスする脱獄は、伝統的に複雑な技術手順や専門的な人間の専門知識を必要としてきた。
大規模推論モデル (LRM) の説得能力は, ジェイルブレイクを単純化し, スケールすることを示した。
本研究は,LRMが他のモデルの安全ガードレールを系統的に除去できるアライメントレグレッションを明らかにする。
論文 参考訳（メタデータ） (2025-08-04T18:27:26Z) - Adversarial Robustness: From Self-Supervised Pre-Training to Fine-Tuning [134.15174177472807]
対戦型トレーニングを自己超越に導入し,汎用的な頑健な事前訓練モデルを初めて提供する。
提案するフレームワークが大きなパフォーマンスマージンを達成できることを示すため,広範な実験を行う。
論文 参考訳（メタデータ） (2020-03-28T18:28:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。