本文针对物联网固件漏洞检测中的跨语料库泛化问题展开研究。当前领域面临固件生态异构、平台资源受限以及现有基准测试局限性等挑战，许多数据集为合成数据或通用数据，缺乏人工验证和污染筛查，导致模型跨语料库泛化能力缺少可靠证据。为填补这一空白，作者提出了 IoTVulBench，一个经过人工验证的跨语料库固件漏洞检测基准。IoTVulBench-Core 从 GitHub 仓库构建，由三位专家评审员验证，并在经过污染筛查的held-out目标集上，评估了五种模型架构、两种调优方法和三种课程学习策略，同时进行了集成、蒸馏和鲁棒性分析。实验结果显示，在匹配的单源数据集中，基于 IoTVulBench 训练的模型取得了最高 MCC 值，达到 0.58，优于 PrimeVul 的 0.44 和 D2A 的 0.39。采用分阶段课程学习可将 MCC 提升至 0.69，而多样性优化的集成模型达到 0.73，比最强的参考比较器（静态分析器，MCC 0.31）高出 0.42，比 PrimeVul 高出 0.29。在 0.5% 假阳性率下，模型仅漏报 21% 的漏洞，而最强比较器漏报 71%。该模型在标识符重命名下保留了 86% 的性能，并展现出良好的校准性和可解释性。这些发现表明，领域匹配的训练数据和课程设计，而非单纯的模型规模，是固件漏洞检测泛化能力的关键驱动因素。本文为未来研究提供了基准，并为实际 IoT 安全应用提供了可部署的配置。适合安全研究人员、固件安全工程师和 LLM 应用开发者阅读。