Label Quality

這篇論文用 125M 參數的 RoBERTa-base 做 CVE→CWE 分類，在 CTI-Bench 上追平 8B security LLM。真正關鍵不是小模型逆襲，而是 AI-refined labels、兩階段 fine-tuning，以及對 CWE hierarchy granularity mismatch 的清楚拆解：很多 benchmark 錯誤，其實是在懲罰更精確的答案。