该论文针对安全补丁与详细漏洞报告之间的时间差问题展开研究。理想情况下，漏洞的详细信息应与修复补丁同时发布，但实践中，即使CVE已公开，详细报告往往滞后很久。在此期间，补丁已公开，攻击者可逆向工程，而防御者缺乏评估风险、确定优先级和验证修复所需的信息。可执行证据（如PoC漏洞利用）能填补这一空白。以往自动化PoC生成方法（如PoCGen）假设已存在详细漏洞报告，而这正是该时期缺失的。本文首先通过实证研究量化了修复提交与详细漏洞报告可用之间的长时间延迟。然后提出PoCEvolve，一种漏洞感知的提示演化框架，直接从漏洞修复提交生成PoC。给定一个修复提交，PoCEvolve合成对应的PoC漏洞利用。通过从失败的生成尝试中学习，PoCEvolve评估不同维度漏洞相关上下文（包括推断的漏洞API和代码覆盖信息）的有用性，并引导提示向更有效的漏洞利用生成演化。在SecBench.VFC.js基准上的评估显示，PoCEvolve的PoC生成成功率达58.4%，相对PoCGen改进20.7%，比基于GPT-4o-mini的LLM基线改进200.0%。使用最新模型Qwen3.7-Plus时，成功率提升至85.3%。当详细漏洞报告可用时，PoCEvolve成功率达71.7%，比PoCGen提高11.1%。该工作是生成式漏洞利用自动化的重要进展，有助于安全团队在补丁发布后快速获得PoC以验证修复。适合安全研究人员、漏洞管理工程师和自动化工具开发者阅读。

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。