arxiv 把渗透测试拆成 pytest 能断言的子任务：Google 式记分法轮到防守方用了

arxiv 在 2026-09-09 挂出一篇论文：《Big Enough to Break Out: Tracking the Rising Capability of LLM Penetration-Testing Agents》（arxiv 2609.10780）。它的对比实验表面上是一个标准的「新模型更强」故事：旧版基于 PentestGPT 的人在环系统（跑开源权重 Kimi K2.5，