NL-to-code

静态分析方法在修复LLM代码幻觉方面成效有限

一篇新的研究论文分析了静态分析方法在检测和缓解大型语言模型生成的代码库幻觉方面的有效性。研究发现，这些方法可以识别出16%到70%的错误，特别是14%到85%的代码库幻觉，其性能因模型和数据集的不同而异。然而，分析也表明，仅靠静态分析无法完全解决问题，其潜在的理论上限在48.5%到77%之间。论文总结认为，虽然静态分析是解决某些幻觉问题的成本效益工具，但它总会存在局限性。