研究发现，像GPT-3.5和GPT-4这样的LLM可以模糊代码作者身份

一篇新发表在arXiv上的研究探讨了大型语言模型（如GPT-3.5和GPT-4）如何被用来模糊代码风格计量学（一种用于作者归属和网络安全的技术）。研究人员发现，LLM可以修改代码以避免被分类器检测，其有效性取决于提示工程策略以及是否使用了单次或多次提示方法。该研究还评估了模型在修改后保持代码功能的能力，并强调了维护代码完整性方面的挑战。 AI

影响 这项研究突显了代码作者归属技术中潜在的漏洞，对网络安全和软件工程实践产生了影响。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了LLM能力的比较研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• GPT-3.5
• GPT-4
• Hugging Face
• large-language models
• Random Forest
• ScienceCast

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →