論文の概要: Look Here, Then Decide: Small Decision Models in a Harness Find Memory-Safety Vulnerabilities at Scale on Commodity GPUs
- arxiv url: http://arxiv.org/abs/2611.16565v1
- Date: Thu, 12 Nov 2026 09:51:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.43843
- Title: Look Here, Then Decide: Small Decision Models in a Harness Find Memory-Safety Vulnerabilities at Scale on Commodity GPUs
- Title(参考訳): ハーネスにおける小さな決定モデル:コモディティGPUのスケールでメモリ安全性の脆弱性を見つける
- Abstract要約: 本研究では,小規模かつオープンウェイトな意思決定モデルが,大規模なオープンソースソフトウェアにおける脆弱性発見をサポートするかどうかを検討する。
我々のハーネスは、広くパッケージ化されたCとC++プロジェクトを選択し、決定論的不完全修正マイナーを使用し、ローカライザを形作る。
小さな決定モデルは優先順位付けによる脆弱性発見をサポートし、決定論的分析と検証は依然として不可欠である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We ask whether small, open-weight decision models can support vulnerability discovery in open-source software at scale and what the surrounding system must provide. These models answer a typed question in one forward pass, returning scores for the permitted answers rather than text. Our harness selects widely packaged C and C++ projects and uses deterministic incomplete-fix miners and shape localizers to decide where to look. Intern-Decision-4B, a 4B-parameter open-weight decision model, then scores every candidate function. The scores rank the queues rather than accept or reject candidates, apart from a low reach-score floor that some queues kept. The search uses no frontier model. Alone, the model is weak: it separates vulnerable from benign functions with AUC 0.73, but a vulnerable function from its own patch with only 0.56. It is more useful for ordering candidates. On 75 public CVEs from projects without any of our findings, the fixed function reached its repository's top 25 in 21% of cases, 1.4 times as often as under random order of the same queues. Recall is bounded mainly by where the localizers look. On the campaign's own queues the model's order placed 7.5 times more confirmed findings in the top 10 than random order, an observed, selection-biased upper bound. On three GB10 systems, the harness searched more than 4,000 projects at 900-1,100 repositories per hour. The campaign confirmed 187 memory-safety findings; by worst-case CVSS v3.1, 12 are critical, 148 high, 23 medium and 4 low. The decision step runs at 4.4 decisions per second on one GB10 and 9.8 on a consumer RTX 4090 gaming PC, with matching scores. A small decision model supports vulnerability discovery through prioritization, while deterministic analysis and verification remain essential. All confirmed findings are being disclosed to maintainers under coordinated disclosure before publication.
- Abstract(参考訳): 我々は、小規模でオープンウェイトな意思決定モデルが、大規模なオープンソースソフトウェアにおける脆弱性発見と、周辺システムが提供すべきものについて尋ねる。
これらのモデルは1つのフォワードパスで型付き質問に答え、テキストではなく許容された回答のスコアを返す。
我々のハーネスは、広くパッケージ化されたCとC++プロジェクトを選択し、決定論的不完全修正マイナーを使用し、ローカライザを形作る。
4Bパラメータのオープンウェイト決定モデルであるインターン決定4Bは、すべての候補関数をスコアする。
スコアは、一部のキューが保持している低いリーチスコアフロアとは別に、候補を受け入れたり拒否したりするよりもキューをランク付けする。
検索はフロンティアモデルを使用しない。
AUC 0.73 で脆弱な関数から分離するが、脆弱性のある関数は 0.56 しか持たない。
候補者の注文に役立ちます。
当社の発見のないプロジェクトから75件の公開CVEで、固定関数は21%のケースでリポジトリのトップ25に達し、同じキューのランダムな順序の下では1.4倍の頻度でした。
リコールは主にローカライザの見た目によって制限される。
キャンペーン自身のキューでは、モデルの順序はランダムな順序よりも上位10の7.5倍の確証が得られた。
3つのGB10システムでは、1時間に900-1,100のリポジトリで4000以上のプロジェクトを検索した。
このキャンペーンでは187件のメモリ安全性の発見が確認され、最悪の場合CVSS v3.1では12件が重要で、148件が高、23件が中、そして4件が低かった。
決定ステップは、コンシューマRTX 4090ゲームPCで1GB10と9.8で毎秒4.4の判定で実行され、スコアが一致する。
小さな決定モデルは優先順位付けによる脆弱性発見をサポートし、決定論的分析と検証は依然として不可欠である。
確認されたすべての発見は、公開前に調整された開示の下でメンテナーに開示されている。
関連論文リスト
- RetiJev: Fast and Source-Grounded Ophthalmic Decision Models [49.18315352624845]
自己回帰型大規模言語モデル(LLM)は、事前に定義されたアクション間の決定にかなりのレイテンシと計算オーバーヘッドをもたらす。
RetiJev-Dataは,78,158個の臨床診断と診断質問からなる眼科原点検コーパスである。
RetiJev は 0.8B-9B 決定モデルのファミリーで, 自己回帰的復号化を伴わず, 直接解を求める。
論文 参考訳(メタデータ) (2026-10-22T08:59:47Z) - Intern-Decision: Efficient Multimodal Decision Making with Autoregressive Masked Language Modeling [26.882267847221353]
Intern-Decisionは0.8B、2B、4Bマルチモーダル決定モデルである。
我々の自己回帰型マスキング言語は、フィールドごとに1つの決定的プレースホルダーを完全なアシスタントスケルトンに配置する。
結果は、より大きなエージェントシステムの実用的なコンポーネントとして、コンパクトな決定モデルをサポートする。
論文 参考訳(メタデータ) (2026-10-15T16:05:48Z) - JevAgentHarness: Benchmarking, Deploying and Training Decision Models That Share Control with LLMs [67.3059941230326]
大規模言語モデル(LLM)エージェントは、ソフトウェアを修正し、コンピュータを操作し、顧客にサービスを提供するが、そのハーネス、そしてそれらを実行するプログラムは、すべてのステップで大きなLLMを呼び出す。
ハーネスがこれらの決定を、ほとんど成功しない決定モデルに委譲する方法を問う。
AgentDecisionBenchは独立した質問から決定モデルをテストし、公開ベンチマークとDecisionGym環境上で実行中のエージェントを制御する。
次に、JevAgentHarnessを設計します。これは、エージェント自身の軌道上の各選択のしきい値に適合し、LLMがその下にあることを判断します。
論文 参考訳(メタデータ) (2026-10-15T07:27:08Z) - System1-Arena: Which Decisions Can Be Left to System 1? [72.4486135716456]
大型言語モデル(LLM)は、フィッシングのフラグ付けや人間へのエスカレートなど、決定的な決定をすることが多い。
System1-Arenaは、すべてのモデルに同じ決定要求を与え、それらの確率をスコアするベンチマークである。
テキスト分類と知識、適用された決定、評価と制御、エージェントとアクションの4つのグループである。
論文 参考訳(メタデータ) (2026-10-15T04:40:47Z) - LOGIC: An LLM Benchmark for Intent-Grounded Change Impact in Aerospace Electrical Systems [0.6567875008573567]
検出されたすべての違いを伝搬すると、非常に広範囲な影響レポートが生成される。
制御されたベンチマークおよび評価フレームワークであるLOGICを提案する。
LOGICには168のシナリオがあり、144のセレクションと24の棄権ケースが含まれている。
論文 参考訳(メタデータ) (2026-10-06T01:14:09Z) - Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses [6.778374627376906]
System-1決定モデルは、クラス確率で単一のフォワードパスでそのような質問に答える。
オープンウェイト (Laya) モデルとホスト (Jev) System-1 モデルとのペア評価を行った。
論文 参考訳(メタデータ) (2026-10-01T05:57:14Z) - Evaluating and Benchmarking the System One Model Jev [1.579162290333307]
Jevは、テキストを生成しないTypeSafe AIのSystem Oneモデルである。
固定オプション、ルーブリック上の位置、あるいは文が真である確率から選択を返す。
分類,ルーティング,自然言語推論,読解,コモンセンス推論,モデレーション,法的条項解析,ルーリックスコアリングにまたがる37のデータセットに対して,Jevゼロショットを評価した。
論文 参考訳(メタデータ) (2026-09-29T14:15:04Z) - FuzzingBrain-Bench V1: Evaluating Open-Ended Bug Discovery by LLMs [46.58695049126903]
FuzzingBrain-Benchは、AIモデルがオープンソースソフトウェアでバグを発見する能力を評価するためのベンチマークである。
各チャレンジにおけるモデルのパフォーマンスは、生成するクラッシュシグネチャの数に基づいてスコアされる。
クロード・オプス4.8は、77回中60回にクラッシュし、579回中196回を記録。
論文 参考訳(メタデータ) (2026-08-25T21:09:20Z) - Gated Against One Model, Open to the Next: Option-Only Solvability in Legal Multiple-Choice Benchmarks [0.0]
複数選択のベンチマークは、モデルが正しい選択肢を選ぶかどうか、質問が必要なかどうかで評価される。
UA-JudgeExam: 11,990件の4つのオプション項目を公式キーで測定し、ウクライナの高等審査委員会(Higher Qualification Commission of Judges)が公表した。
11.8%のアイテムは、偶然に予想される0.2項目に対して、8つのオプションのすべてで盲目で答えられる。
論文 参考訳(メタデータ) (2026-08-15T22:11:00Z) - Correct Code, Vulnerable Dependencies: A Large Scale Measurement Study of LLM-Specified Library Versions [52.50730821321986]
大規模言語モデル(LLM)におけるバージョンレベルのリスクの大規模評価を初めて行った。
我々は1000のStack OverflowプログラミングタスクのベンチマークであるPinTrace上で10のLLMを評価した。
LLM バージョン選択は LLM ベース開発における第1級, 以前は見落とされたリスクサーフェスとして確認された。
論文 参考訳(メタデータ) (2026-05-07T13:52:59Z) - ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems [51.56484100374058]
LongMemEval-500では、ZenBrainは長いコンテキストのオラクルのバイナリ・ジャッジの精度を4.5pp以内と一致させる。
ZenBrainは7層の神経科学にインスパイアされたメモリアーキテクチャである。
論文 参考訳(メタデータ) (2026-04-26T20:39:19Z)
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。