研究：安全漏洞挖掘 Agent 60.4% Token 花在代码理解，AVRI 降本最高 23.7%
rohanpaul_ai · x · 2026-10-19
Rohan Paul 分享的一项研究（论文《Where Do the Tokens Go?》）系统分析了 LLM 漏洞挖掘 Agent 的 Token 开销。
- 开销画像：对 4 个 Agent（Codex、OpenCode、Cybench、EnIGMA）共 200 次运行的分析显示，60.4% 的 Token 用于理解代码和推理如何触发漏洞
- 现有省钱方法效果差：与普通 Agent 的两两对比中，仅 24.4% 能在更低成本下保持成功率
- AVRI 工具：作者构建了 Agent 中心化的漏洞推理接口，将相关代码一并返回并保留输入与不安全操作之间的关联。在 20 个新任务上，Codex 总成本降 18.0%，OpenCode 降 23.7%，成功率与召回率不降
- 建议：给安全 Agent 加通用省钱技巧前，先测量 Token 去向，让其复用已学到的代码知识
所属事件:研究揭示漏洞挖掘 Agent Token 开销，代码理解占比超六成(2 条相关)→
「编程与Agent」频道最新
- Codex 一直偏好用 DuckDuckGo 搜索?开发者实测发现默认引擎 — thomasahle · 2026-10-19
- 两起 agent 事故同根同源：提议与执行之间缺一道闸门 — r0b3rtb · 2026-10-19
- Agent 45 分钟自动造出水族箱造景模拟器，手机电脑都能开 — CurieuxExplorer · 2026-10-19
- Visa 开源 AI 网络防御系统，加入 Anthropic Project Glasswing — emmanuelvivier · 2026-10-19
- 实测 Gemini Argon 4 调试优化 Go 代码，或成 Opus 5.5 之下的副手 — DanielLockyer · 2026-10-19
- Claude skill 一镜生成整座 Mos Eisley 城，含自建循环测试 — jasonkneen · 2026-10-19