研究人员开发了一种轻量级方法来检测大语言模型（LLMs）生成的代码。他们的方法，在 SemEval-2026 Task 13 上提出，利用风格计量信号和基于比例的特征，这些特征对代码片段的长度不太敏感。该系统结合了浅层决策树和启发式规则，提供了计算效率高的训练和近乎即时的推理时间，作为大型预训练模型的替代方案。 AI
影响 提供了一种计算效率高的方法来识别人工智能生成的代码，可能有助于学术诚信和安全。
排序理由 该集群包含一篇详细介绍检测大语言模型生成代码新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.04157v1 Announce Type: new Abstract: SemEval-2026 Task 13 investigates machine-generated code detection across multiple programming languages and application scenarios, asking participating systems to generalize to unseen languages and domains. This paper describes our…
SemEval-2026 Task 13 investigates machine-generated code detection across multiple programming languages and application scenarios, asking participating systems to generalize to unseen languages and domains. This paper describes our participation in Subtask A (binary classificati…