ICVul

研究发现：大型语言模型难以检测现实世界中的代码漏洞

一篇新近发表在arXiv上的研究评估了深度学习模型和大型语言模型在代码漏洞检测方面的实际有效性。研究发现，包括Claude 3.5 Sonnet、GPT-4o和GPT-5等知名大型语言模型在内的当前模型，在从基准数据集泛化到现实世界场景时存在困难。当在最近修复的Linux内核漏洞的新构建数据集上进行测试时，模型的性能显著下降，凸显了学术评估与实际应用之间的差距。