研究人员开发了WeSCE，一个旨在衡量大型语言模型（LLM）编辑的代码中安全漂移的新基准。该基准包含400个源自真实世界代码的可执行程序，涵盖了错误修复和重构等各种编辑任务。WeSCE提出了一种连续风险表示方法来聚合漏洞信号，并衡量总体风险、最坏情况严重性和漏洞分布的变化。 AI
影响 该基准将帮助研究人员和开发人员更好地理解和减轻LLM在代码生成和编辑中引入的安全风险。
排序理由 该集群包含一篇详细介绍LLM驱动的代码编辑新基准的研究论文。[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 →
