.png){kind=icon}
返回
Leveraging Large Language Models for Software Defect Detection
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-04200-2_9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文评估了大语言模型（LLMs）在静态代码分析和缺陷检测方面的性能，并在复杂性递增的测试集上进行测试。研究发现，LLMs在处理较小代码片段时表现优异，但随着复杂性的增加性能下降。尽管在大型代码库中表现不一致，LLMs仍能提供传统工具所忽略的可读性、安全性和可维护性方面的宝贵见解。我们识别了其关键优势和局限性，得出结论：LLMs最适合作为传统工具的补充方案，在理解开发者意图和为较小代码单元提供上下文建议方面具有独特优势。
Keyword:
Large language models
Software defect detection
Static code analysis
Software quality assurance
期刊
S
IF:
0
论文数:
29
被引数:
0
机构
引用论文
Code Detection for Hardware Acceleration Using Large Language Models使用大型语言模型进行硬件加速的代码检测.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Comprehensive Examination of Instruction-Based Language Models: A Comparative Analysis of Mistral-7B and Llama-2-7B基于指令的语言模型的全面考察：Mistral-7B和Llama-2-7B的比较分析
PREAI
分享收藏Software Vulnerability Detection Using Deep Neural Networks: A SurveyPROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏
查看更多内容