该论文针对 LLM/agent 驱动的漏洞验证工件（如 PoC 仓库、验证管道）的可复现性与可靠性进行了一项预注册的独立审计研究。研究背景是：随着大语言模型与自动化代理被用于漏洞挖掘和验证，安全社区产生了大量自动化生成的安全工件，但工件'可公开访问'、'可运行'、'能产生信号'、'语义上确认针对特定 CVE'这四级目标之间存在严重落差，而此前缺乏系统测量。作者通过检索 2023 至 2026 年间的文献，经双人筛选形成包含 104 篇论文的共识语料，其中 59 篇（56.7%）提供公开可获取的工件。随后作者对 18 篇论文级工件进行 R0（原环境）与 R1（仅修复环境依赖）两级复现，并对锚定基准（arXiv:2509.24037）的全部 102 个验证案例执行复现，对其中 30 个案例追加补丁反事实（在已修复版本上运行同一验证逻辑），对 19 个案例施加匹配的阴性输入对照。主要发现包括三方面：其一，102 个锚定案例中有 58 个（56.9%）案例的脚本内部 CVE 标识符与所在目录声称的 CVE 不一致，说明存在 CVE 混淆或错误标注；其二，18 个论文级工件在 R0 阶段仅 10 个（55.6%）能完整跑完声明的工作流，经 R1 修复提升到 11 个（61.1%），说明大量工件的可运行性欠佳；其三，工件自带的验证预言机（判定是否触发漏洞的信号逻辑）严重不可靠：30 个补丁反事实审计中有 20 个在已打补丁的构建上仍输出“已利用”信号，19 个阴性对照中有 7 个在良性输入上被误判为触发，预言机整体灵敏度仅 60%、特异性 45%。作者强调，仅凭在脆弱版本上的触发并不能证明对该 CVE 的准确复现，必须配合干净的补丁反事实与阴性对照。该研究的贡献在于提出一套可复用的复现审计协议，包括预注册后置条件、R0/R1 修复阶梯、G1-G3 语义证据级别和补丁反事实预言机等，为安全工件复现社区提供了模板。由于本研究为预注册探索性结果，外部效度受限，但方法值得借鉴。

本文提出了一种名为 KASS（知识增强攻击合成与仿真）的多智能体框架，旨在解决现有智能合约安全工具仅停留在漏洞检测、无法验证漏洞可利用性及攻击过程的问题。KASS 将自动利用生成分解为规划、生成和测试三个阶段，并融合三种互补机制：基于检索增强的现实审计知识规划、将攻击计划绑定到可执行概念验证测试的形式化生成与验证约束，以及修复代码级错误并在攻击假设失败时触发策略级重规划的分层双循环优化过程。评估在包含 104 个合约的 SmartBugs-Curated 数据集上进行，涵盖四种漏洞类型。结果显示，KASS 对 94.23% 的测试合约成功生成了可执行利用，该比率高于先前 REX 和 AdvSCanner 在类似子集上的报道结果，也高于同等评估协议下复现的 Claude Code 基线。在 11 个真实世界 CVE 标记合约上，KASS 成功验证了 9 例。除生成利用外，KASS 还输出结构化攻击计划，记录利用流程、量化潜在资产损失，并可作为静态分析工具的语义误报过滤器。该工作为蓝队和审计人员提供了自动化验证漏洞可利用性的能力，有助于区分真实威胁与误报。