提出PBT-Bench并评测AI Agent

基于论文摘要，作者推出 PBT-Bench，包含来自40个真实 Python 库的100个基于属性测试问题，共注入365个语义漏洞，用于评估 AI 智能体能否从文档提取不变量并设计能集中触发漏洞的 Hypothesis 输入策略。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。