基于上下文感知提示调优的大型语言模型代码漏洞修复
发表于: 。本研究针对大型语言模型在修复与多个因素相关的代码漏洞(如缓冲区溢出)方面的不足,提出了一种上下文感知的提示调优方法。研究发现,利用该方法后,GitHub Copilot的代码修复成功率从15%提升至63%,显著提高了修复能力,具有重要的实用价值和影响。
本研究针对大型语言模型在修复与多个因素相关的代码漏洞(如缓冲区溢出)方面的不足,提出了一种上下文感知的提示调优方法。研究发现,利用该方法后,GitHub Copilot的代码修复成功率从15%提升至63%,显著提高了修复能力,具有重要的实用价值和影响。