一项使用本地 Qwen2.5-Coder 模型的实验表明，LLM 对代码进行重复审查，尤其是在启用采样的情况下，往往会收敛于持续性的发现而非准确的发现。当温度设置为 0 时，模型产生相同的结果，但将温度提高到 0.7 会引入显著的变异性。对这些不同发现进行多数投票，通常会选择一致但错误的错误报告，而不是频率较低但准确的报告，这凸显了在使用 LLM 生成的代码审查时可能存在的陷阱。 AI
影响 凸显了在使用 LLM 生成的代码审查时可能存在的缺陷，表明多数投票可能会选择持续性的错误而非正确的发现。
排序理由 该条目详细介绍了一项实验及其关于 LLM 在代码审查任务中行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
