CVE-Bench er et nytt rammeverk for å måle store språkmodellers evne til å oppdage og håndtere kjente sikkerhetssårbarheter i praksis. Prosjektet stiller spørsmål ved påstander om at KI-modeller overgår menneskelige sikkerhetseksperter, ettersom antallet sårbarheter likevel fortsetter å stige.