研究发现：大型语言模型内部状态可揭示代码漏洞

研究人员开发了一种方法，通过分析大型语言模型（LLMs）的内部激活而非仅仅是最终输出来检测代码漏洞。通过在Granite 4.1 8B和Qwen3.5-9B等模型的潜在激活上训练小型探测器，他们发现这些内部状态可以指示C/C++代码中是否存在漏洞。虽然在某些基准测试中，这些探测器取得了有竞争力的结果，但在更具挑战性的数据集上，它们仍然落后于最先进的分类器，这表明在模型原生漏洞筛查方面仍有未来发展的潜力。 AI

影响 这项研究为AI生成代码中的轻量级、模型原生漏洞筛查开辟了新途径。

排序理由 学术论文，详细介绍了一种使用LLM内部状态检测代码漏洞的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Big-Vul
• Devign
• Draper VDISC
• Gemma 4-12B
• Granite 4.1 8B
• PrimeVul
• Qwen3.5:9b
• Qwen3.6-27B

• 论文
• 安全
• 模型发布

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