.png){kind=icon}
返回
CodeEnhancer: LLM-generated Python code enhancement through SAST integration and fine-tuning
.png){kind=icon}
OA
AI
DOI：10.1016/j.knosys.2026.115925.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 结合语言模型与SAST工具以提升Python代码的语法、安全性和功能正确性。
• 首次提出针对LLM生成代码中语法、安全性和功能正确性的解决方案。
• 自动反馈和学习过程有助于LLMs生成更安全、正确的代码。
• 在框架优化代码上进行微调比在专家编写的代码上训练获得更好的安全性。
• 可扩展的方法能够在最小人工干预下实现稳健且可信的AI辅助代码生成与优化。
Keyword:
Large Language Models (LLMs)
Syntax checking
Vulnerability detection
Functional correctness
Static application security testing
LLM fine-tuning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
5.7W
机构
引用论文
.png){kind=icon}
LLM-Based Test-Driven Interactive Code Generation: User Study and Empirical Evaluation基于LLM的测试驱动交互式代码生成: 用户研究和实证评估
OAAI
OAAI分享收藏Exploring Parameter-Efficient Fine-Tuning Techniques for Code Generation with Large Language Models探索用于代码生成的大语言模型参数高效微调技术OAAI
OAAI分享收藏 没有更多内容
没有更多内容