SCoRe:在 ExploitBench 上通过上下文压缩延展智能体漏洞利用能力
两个模型在漏洞利用任务里老提前放弃,这篇论文发现让它们继续跑、把"做不到"的判断标记为未证实,MiMo 的分数从 32.4% 拉到 67.0%,超过了 GPT-5.5 的 58.6%。做智能体上下文管理的开发者能直接借鉴这套 SCoRe 做法。
两个模型在漏洞利用任务里老提前放弃,这篇论文发现让它们继续跑、把"做不到"的判断标记为未证实,MiMo 的分数从 32.4% 拉到 67.0%,超过了 GPT-5.5 的 58.6%。做智能体上下文管理的开发者能直接借鉴这套 SCoRe 做法。