Reinforcement Learning

PoC-Adapt 最關鍵的洞見是：自動漏洞重現真正卡住的，常常不是 exploit generation，而是 exploit verification。只看 crash、log 或 return code 這類表面訊號，很容易把 incidental behavior 當成成功；PoC-Adapt 用 Semantic Oracle 比對 pre/post execution 的結構化系統狀態，再配合 Adaptive Policy Learning 減少 trial-and-error，讓整條漏洞重現流程更像可靠的工程閉環。