BriefGPT - AI 论文速递
·
Detecting LLM Transformed Code and Identifying Its Source Using Coding Style Features
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文探讨大型语言模型（LLM）生成代码的知识产权风险，构建了LPcode数据集，发现人类代码与LLM生成代码在命名、结构和可读性上存在显著差异。提出的LPcodedec方法在检测任务中表现优异，提升了F1分数和处理速度。
🎯
关键要点
- 本文探讨大型语言模型（LLM）生成代码的知识产权风险。
- 构建了LPcode数据集，包含人类编写代码和LLM生成代码对。
- 研究发现人类代码与LLM生成代码在命名一致性、结构和可读性上存在显著差异。
- 提出的LPcodedec方法在检测任务中表现优异，显著提升了F1分数。
- LPcodedec方法还大幅提高了处理速度。
➡️
