漏洞检测
把程序运行时的动态信息和代码的静态信息结合起来建模。在 20 多个开源项目里报告了 100 多个漏洞,提交了 34 个新 CVE。
TECHNOLOGY
模型只读代码文本,不知道代码在真实硬件上怎么跑。我们让同一段代码在不同架构、设备和输入下真实运行,学习它的性能、资源占用和执行路径,这就是计算世界模型。
COMPUTATIONAL WORLD MODEL
同一段代码,覆盖不同场景与输入。
在 CPU、GPU、国产芯片和其他加速器上真实运行,记录运行行为。
建模代码在不同硬件上的性能、内存与资源、执行路径。
和 Meta 的 Code World Model ↗ 不同:它在一个 Python 环境里模拟代码算出了什么(变量和状态);我们关心同一段代码在不同芯片和设备上跑得怎么样(速度、内存、执行路径)。
RESEARCH
把程序运行时的动态信息和代码的静态信息结合起来建模。在 20 多个开源项目里报告了 100 多个漏洞,提交了 34 个新 CVE。
用机器学习加统计评估,在不同的硬件上优化代码。已经在 8 个以上的场景里用上,平均加速比 180%。
用程序分析来约束智能体,让它给出的结论可以验证。在 72 项二进制分析任务上,BinReX 的成功率是接入 IDA 的 OpenAI Codex 的近两倍。EXRAY 能检出 77.9% 的已知漏洞,还在 130 个应用里找到了 24 个此前未知的 RCE 漏洞。
BENCHMARKS
1.9×任务成功率,对比接入 IDA 的 OpenAI Codex
任务成功率
总分析时间(越短越好)
6.5×单卡能训的模型规模
32GB V100 单卡最大可训参数
4.5×训练吞吐(最高)
对比只做显存卸载的方法(最高)
>11×Halide 图像流水线加速(部分基准)
Halide 图像流水线(部分基准)
TVM 神经网络代码
LLVM 代码体积缩小
−63.5%能耗
能耗(越低越好)
加载时间(越短越好)
约 −50%误报率
误报率(越低越好)
WHERE IT IS USED
Yi Guard 在 Agent 调工具、执行代码、读写文件之前按策略检查,拦下危险操作。
了解 Yi Guard我们把 AI 产品部署到你指定的算力中心,迁到那里的芯片上并调优;Yi Code 在沙盒里重构和改写代码。
了解 Yi CodeYi Eval 在 Agent 上线前和每次改动后测试它,每个结论都附证据,可以复查。
了解 Yi EvalBLOG
同一段代码放到不同的芯片上,快慢、内存、走哪条路径都会变。我们想让模型学会这些。
72 项二进制分析任务,BinReX 做成了 83.3%,同样用 GPT-5、接上 IDA 的 Codex 是 43.1%。差别在两件事:先查相似函数,再让每一步结论都有证据。
编译优化和漏洞检测里的模型,上线时好好的,过一阵就悄悄变差。PROM 用统计检验挑出它没把握的预测,重新标注不到 5% 的样本,就能把效果拉回来。
PAPERS
下一步