Kev是Jared Palmer基于Qwen 3.5推出的开源决策模型系列（0.8B、4B、9B），采用仅预填充架构，跳过文本生成，通过指针头直接输出决策概率，支持Noul、Choice、Score三类决策，兼容TypeSafe的System One API。最大模型Kev-9B在域外测试达83.7%准确率，但概率校准可能漂移，微调后通用知识与算术能力下降。模型以Apache 2.0开源，权重、训练代码和评估工具均可获取。

Jared Palmer 开源了基于 Qwen2.5-0.5B 微调的决策模型 kev-0.5b，采用指针读出头替代自回归解码，单次前向传播即可并行回答多个问题，在 MacBook 上训练仅需 1 小时 45 分钟。测试集准确率达 79.9%，接近闭源模型 Jev 的 81.1%，且概率校准更优；但域外迁移准确率仅 63.3%，与 Jev 相差 19.1 个百分点，仍是待解难题。

开发和安全团队面临修复漏洞的挑战，许多组织每月修复的漏洞不足16%。CVSS、KEV和EPSS三种框架帮助优先处理漏洞。GitLab 17.9版本支持这些框架，帮助团队评估和优先处理风险。CVSS评估漏洞严重性，KEV关注被利用的漏洞，EPSS预测未来30天内可能被利用的漏洞。结合这三种框架，安全团队能更有效地分配资源，集中处理高风险漏洞。

每年发布超过20,000个常见漏洞和曝光（CVE），找到并修复已知漏洞的软件仍然是漏洞管理团队的挑战。CISA的已知被利用漏洞（KEV）计划旨在减少漏洞。攻击面管理（ASM）解决方案提供了组织攻击面的全面视图，并通过持续资产发现和风险优先级确定了组织的网络风险。验证漏洞的可利用性是CTEM的关键支柱之一。IBM Security Randori是一种攻击面管理解决方案，可以验证CVE的可利用性。