Failure-Driven Prompt Refinement

新方法精炼LLM提示词以改进漏洞分析

研究人员推出了一种名为“面向失败的提示词精炼”（FDPR）的新方法，用于提高大型语言模型（LLM）在软件漏洞分析中的有效性。该方法系统地分析模型反复出现的失败，如误报和不支持的推理，以指导基于证据的提示词改进。通过将FDPR应用于Damn Vulnerable Java Application并使用Juliet Test Suite进行评估，该研究证明了基于LLM的漏洞检测的可靠性和泛化能力得到增强，为该领域的提示词工程奠定了原则性基础。