Public models can already spot that a security-relevant check is missing in the right code path, but they can still miss the actual invariant being violated and therefore misstate the impact.
这一发现揭示了公共模型在安全分析中的一个关键局限：它们能发现缺失的安全检查，但可能无法正确理解被违反的实际不变量，从而错误陈述影响。这挑战了'AI能完全理解安全含义'的假设，强调了人类专家在解释AI发现中的不可替代性。
that's what anthropic says it cost Mythos to find those zero days. per repo.
令人惊讶的是：Anthropic声称每次代码库扫描要花费2万美元来发现零日漏洞，这个价格远高于人们对于代码安全审计成本的预期，揭示了AI安全分析的高昂门槛。
A deliberately planted backdoor doesn’t have a CVE.
戳中了传统安全工具的阿喀琉斯之踵。基于已知漏洞（CVE）的防御逻辑在应对蓄意植入且会自毁的新型后门时形同虚设。这启示我们，静态的特征匹配已无法应对动态的攻击手段，必须转向对代码运行时行为的动态分析，从“它是什么”转向“它做了什么”。
Partha, D., & David, P. A. (1994). Toward a new economics of science. Research Policy, 23(5), 487–521. https://doi.org/10.1016/0048-7333(94)01002-1