Sunny Chokshi 的一项研究发现,用于代码审查的大型语言模型在加密 API 误用以间接方式编写时,经常会产生误报。当值通过别名、常量或默认配置表示时,模型难以正确识别安全代码,导致误报率显著增加。这表明 LLM 代码审查器可能对不熟悉的拼写或间接表示过于敏感,而不是关注代码的实际功能。 AI
影响 LLM 代码审查器可能需要进一步开发,才能准确评估代码功能,而不是表面表示。
排序理由 研究论文,详细介绍了 LLM 代码审查器性能的发现。[lever_c_demoted from research: ic=1 ai=1.0]
- CryptoBench
- GitHub
- Institute of Electrical and Electronics Engineers
- Open Models
- Python
- Sunny Chokshi
- University of the Cumberlands
- Zenodo
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →