一篇新的研究论文探讨了代码大语言模型（LLMs）在代码漏洞分类方面的局限性。虽然这些模型能够有效地识别模式并对代码片段之间的相对风险进行排序，但它们难以将孤立的样本准确地分类为明确易受攻击或安全。这是因为模型将漏洞信息编码为一种关系信号（比较两个代码片段的风险），而不是一个明确的分类标签，导致它们在表示空间中的分布重叠。 AI
影响 代码大语言模型可能需要新的漏洞分类方法，而不仅仅是简单的线性探测。
排序理由 研究论文发布在arXiv上，详细介绍了关于代码大语言模型的发现。[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 →
