该论文针对一日漏洞（One-Day Vulnerabilities）的PoC输入生成问题提出了一种名为DIG的新方法。一日漏洞因补丁采用延迟或不完整而构成重大风险，生成PoC输入对评估实际影响至关重要。核心挑战在于识别触发漏洞所需的关键约束并有效求解。现有定向模糊测试方法虽能优先将输入导向目标位置，但既未明确识别必要约束，也未有效求解，而是依赖目标距离反馈和随机变异。基于智能体（Agent）的方法虽通过代码推理和结构化输入生成展现出潜力，但长程推理中的目标漂移限制了其有效性。DIG利用一日漏洞的一个关键特性：补丁通常揭示了触发漏洞所需的必要条件。DIG使用LLM分析补丁并合成一个“预言机”（Oracle），将这些条件显式化。该预言机在两个层面支持有效的PoC生成：高层级上，DIG执行预言机引导的生成器进化（Oracle-Guided Generator Evolution），由智能体推断并求解满足预言机的约束；低层级上，DIG将预言机植入目标程序，利用分支距离反馈指导定向模糊测试中的随机变异。实验评估表明，DIG在138个真实世界CVE上优于2个最先进的智能体方法和10个模糊测试器。DIG成功触发了80个漏洞，超越了先前结果，比最佳基线提升40%（57 vs. 80 CVE）。值得注意的是，DIG独占地触发了9个现有技术无法触发的漏洞。与其他工具的平均值相比，DIG在92.9%的案例中更快触发漏洞，其中48.8%的案例加速超过100倍，最大加速达3664倍。除了一日漏洞PoC生成，DIG还在广泛部署的库中发现了6个先前未知的漏洞，实现了零日发现。该研究对安全社区理解漏洞触发机制、加速补丁验证和提升自动化漏洞挖掘能力具有重要参考价值。