SemiAnalysis 评估 GLM-5.3 网络能力

我们在 ExploitGym 上评估了 GLM-5.3 的网络能力，并分析了执行轨迹。GLM-5.3 将大部分执行预算用于测试隐藏的运行时条件是否改变了其结论。在问题 arvo5665 中，GLM-5.3 通过 sanitizer 构建、语料测试和目标 fuzzing 探索了更多周边程序。(1/3)🧵 https://www.anthropic.com/research/glm-5-3-and-the-spread-of-advanced-cyber-capabilities