LLM Agent 漏洞发现中 Token 去向分析显示代码理解与推理占六成消耗

该论文通过200条CyberGym轨迹的多轴开放编码研究，诊断了Codex、OpenCode、Cybench和EnIGMA四个Agent在漏洞发现任务中的成本与失败原因。研究发现不同Agent的成功率和成本差异巨大，更高的Token支出并不总是带来更好的结果。其中，代码定位与理解、以及漏洞推理与触发器设计占据了60.4%的Token消耗，是失败运行中的两大瓶颈。

针对现有效率方法仅24.4%能在保持成功率的同时降低成本的局限，作者提出了AVRI（以Agent为中心的漏洞推理接口）。该接口基于持久化的双向证据追踪（BET）构建，将Harness对输入的使用与使选定操作不安全所需的条件连接起来，保留源支持对应关系及Agent的假设与未解问题。阅读、分析和持久化命令帮助Agent构建并复用证据，而非反复检索和重建。在20个评估任务上，AVRI使Codex总成本降低18.0%，OpenCode降低23.7%，同时保持了成功率并改善或维持了召回率。

事实层面，本研究量化了特定场景下的Token分布与效率瓶颈；推断层面，表明单纯增加算力预算无法解决Agent在复杂推理任务中的低效问题，必须引入结构化的证据管理机制；猜测层面，若此类机制能推广至通用Agent工作流，可能重塑端侧或云侧Agent的单位经济模型，但需验证其在非安全领域的泛化能力。