本文指出网络安全机器学习基准数据集中普遍存在的标签错误问题，并以威胁情报（CTI）领域为例，构建了改进版数据集 D-LADDER++（基于公开的 LADDER 数据集经人工修正标签错误后得到）。作者使用开源模型 Microsoft Phi-3 和闭源模型 Google Gemini 在 D-LADDER++ 上进行了零样本和少样本评估，并对 Phi-3 进行了微调以提升适配性。实验结果表明，测试集中的标签错误会显著影响模型性能评估，进而误导模型选择。研究强调了构建高质量、无标签错误的网络安全基准数据集的重要性，以确保机器学习模型的可靠评估和实际部署。