GraphCodeBERT
PulseAugur coverage of GraphCodeBERT — every cluster mentioning GraphCodeBERT across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
发布用于 LLM 的 Java 和 Rust 漏洞检测新基准
发布了两个新的基准测试集 JavaVulBench 和 RustMizan，用于评估大型语言模型在软件漏洞检测方面的能力。JavaVulBench 专注于 Java 方法，包含超过 1,740 个通用漏洞披露 (CVE)，并提供多种真实的拆分策略用于测试。RustMizan 针对 Rust 漏洞，提供可编译的代码和一个突变框架来测试污染和鲁棒性。与之前使用小型代码片段且缺乏污染意识的数据集相比，这两个基准测试旨在提供更现实、更全面的评估。
-
XSearch框架引入可解释的语义代码搜索
研究人员开发了XSearch，一个新颖的可解释语义代码搜索框架，解决了当前方法的局限性。与仅依赖嵌入相似性的现有方法不同，XSearch将问题重新表述为演绎概念对齐任务。它识别查询中的功能概念，并将它们显式映射到相应的代码语句，从而提供内在的概念级解释。这种方法显著提高了对未见基准的泛化能力，并使用户能够更准确、更高效地评估检索到的结果。
-
XSearch框架通过概念对齐提供可解释的代码搜索
研究人员开发了XSearch，一个新颖的可解释代码搜索框架，它超越了简单的语义相似性。通过将查询中的功能概念显式地与相应的代码语句对齐，XSearch提供了内在的概念级解释。这种演绎方法显著提高了在未见过基准测试上的分布外泛化能力，在未见过基准测试上的性能比最先进的方法提高了15倍。一项用户研究证实，这些概念对齐解释使用户能够更快、更准确地评估搜索结果。
-
考古团队微调代码模型以检测AI生成代码
考古团队的研究人员开发了一个用于检测AI生成代码的系统，并参加了SemEval-2026 Task 13。他们的方法包括微调几个预训练的代码模型，如CodeBERT和CodeT5+，采用不同的策略进行AI生成代码的二元分类和生成模型的多元归属。他们的最佳提交取得了有竞争力的结果，在二元分类中排名第6位（共81支队伍），在模型归属中排名第7位（共34支队伍）。