adriens/kaggle-bench-ai-biasses · Alone With a Stranger: nationality bias in LLM safety advice (bench, LLM judge, Quarto report)
该项目是一个用于评测开放权重语言模型安全建议中国籍偏见的基准研究。研究使用同一句法语提示词，仅改变“一名女子与一名男子独处”情境中男子的国籍（24 个国籍加一个对照组），覆盖 11 种情境、3 种改写、3 个年龄和 3 次采样，并用 Qwen3-32B-AWQ 作为 LLM 评审，按 rts-v4 评分表对回答评级。仓库提供评测生成脚本、评审脚本、Kaggle 推送工具、答案与评审结果数据、用 Python 做的综合分析笔记本，以及用 Quarto 和 R 撰写的科学报告，并给出 Zenodo 报告与 Kaggle 数据集和笔记本链接。
展开详情收起详情：Alone With a Stranger：评估开放权重模型在安全建议中的国籍偏见⌄
★ 0 · 研究实现
GitHub
原文发布：未知收录：2026-11-07
mcp-tool-shop-org/reasoning-dataset-lab · A map-first lab for datasets of puzzles, quizzes and verification items, where code proves the answer key before any model words the item.
reasoning-dataset-lab（命令行工具 rdlab）是一个 map-first 实验室，用于构建谜题、测验与验证项数据集。它先用代码构造形式化状态并由求解器证明答案键，再由本地模型将条目措辞，并记录每个条目的来源。它提供地图校验与指纹、模型列出与多样性报告以及评委比拼（bake-off）；后者包含密封测试部分、表面特征探测以及独立评分步骤。项目为 Python 包，要求 Python 3.13 及以上，评委运行需 GPU 与经许可的本地模型，版本为 alpha。
展开详情收起详情：reasoning-dataset-lab：面向推理数据集构建的先证明答案键，再由模型措辞⌄
★ 0 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
AliSoltanianFJ/CodeSecurity2025 · Experiments in code security using Python, JavaScript, Java, and Go.
该仓库是论文《On Fixing Insecure AI-Generated Code through Model Fine-Tuning and Prompting Strategies》的复现材料，包含针对 GPT-4.1、GPT-5、Gemini 2.0 Flash、o4-mini 和 DeepSeek-R1-32B 等模型，在 Python、Java、JavaScript、Go 四种语言中生成代码安全弱点的实验数据、提示词、CodeQL 分析结果以及 LoRA 微调流程说明。
展开详情收起详情：CodeSecurity2025：评估微调与提示策略修复 AI 生成代码安全弱点⌄
★ 1 · 研究实现
GitHub
原文发布：未知收录：2026-11-07
dynatrace-oss/kimera · K8s misconfiguration exploitation toolkit
Kimera 是 Dynatrace 开源（官方声明不提供正式支持）的 Kubernetes 安全测试工具包，将 40 项攻击技术（覆盖侦察、凭据访问、提权、横向移动、防御绕过、持久化、执行与防御验证 8 个阶段，并映射 MITRE ATT&CK）以 YAML 定义并通过 MCP 工具或 CLI 暴露。AI Agent 可连接其 MCP 服务端规划多步攻击链，在集群上执行并验证防御是否拦截；同时支持基于 CIS Kubernetes Benchmark 的配置评估、攻击面枚举、防御控制验证（准入控制、NetworkPolicy、RBAC）、LLM 生成修复建议与 Dynatrace 观测数据增强。
展开详情收起详情：Kimera：AI Agent 驱动的 Kubernetes 渗透测试与防御验证工具包⌄
★ 6 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07