on-policy 強化學習

深度分析

VULPO 與 ContextVul：以 on-policy LLM 強化情境感知漏洞檢測

隨著開源軟體的廣泛採用，漏洞利用風險提高，現有自動化漏洞檢測多侷限於函式級別、固定輸入或靜態偏好資料集，難以重現人類對跨檔案、跨程序的情境推理。