English(EN) Are AI Coders Snitches? An Empirical Study of Pretraining Data Detection on Code Large Language Models

研究探讨 AI 代码模型训练数据检测的有效性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-02 04:00

一项发表在 arXiv 上的新研究调查了代码大型语言模型（CodeLLMs）的训练数据检测（TDD）方法的有效性。研究人员引入了 CodeSnitch，一个包含 9,000 个跨三种编程语言的代码样本的基准数据集，用于评估七种最先进的 TDD 技术。该研究还根据 Type-1 到 Type-4 克隆检测分类法，测试了这些方法对代码变异的鲁棒性。 AI

影响这项研究旨在通过改进检测专有训练数据使用情况的方法，来促进代码生成模型的负责任部署。

排序理由该集群包含一篇学术论文，详细介绍了新的基准数据集和关于 AI 模型训练数据检测的实证研究。[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 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了新的基准数据集和关于 AI 模型训练数据检测的实证研究。[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, safety; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Tianlin Li, Yunxiang Wei, Zhiming Li, Aishan Liu, Qing Guo, Xianglong Liu, Dongning Sun, Yang Liu · 2026-10-02 04:00

AI 编码员是告密者吗？预训练数据在代码大语言模型上的检测实证研究

arXiv:2507.17389v2 Announce Type: replace-cross Abstract: Recent advances in code large language models (CodeLLMs) have made them indispensable tools in modern software engineering. However, these models occasionally produce outputs that contain proprietary or sensitive code snip…

本文如何被排名

报道来源 [1]

AI 编码员是告密者吗？预训练数据在代码大语言模型上的检测实证研究

相关实体

相关话题