PulseAugur
中
实时 08:37:51
(CA) Evaluating Language Models on Cross-Language Code Functional Equivalence

研究发现：大型语言模型无法可靠检测跨语言代码等价性

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新近发表在arXiv上的研究评估了大型语言模型（LLMs）在判断不同编程语言编写的程序之间功能等价性的能力。该研究引入了一个名为PolyHuman的数据集，其中包含用C++、Java和Python编写的人类代码，用于测试LLMs超越表面相似性的语义理解能力。研究结果表明，当前的LLMs在此任务上表现不佳，其判断能力随着问题难度的增加而下降，并且在某些情况下表现出不稳定性或特定语言的偏见。 AI

影响 当前的LLMs无法可靠地捕捉跨编程语言的功能等价性，这表明需要改进其语义推理能力。

排序理由 发表在arXiv上的研究论文，详细介绍了LLMs在特定任务上的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

研究发现：大型语言模型无法可靠检测跨语言代码等价性

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
发表在arXiv上的研究论文，详细介绍了LLMs在特定任务上的评估。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
54 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 (CA) · Hui Sun, Anderson Uch\^oa, Rohit Gheyi, Wesley K. G. Assun\c{c}\~ao ·

    跨语言代码功能等价性语言模型评估

    arXiv:2608.23961v1 Announce Type: cross Abstract: Background: Large Language Models (LLMs) have demonstrated strong performance across a variety of code-understanding tasks, leading many to believe that they can reason about program semantics. However, existing evaluations primar…

相关实体

相关话题