arXiv · cs.AI· Liang Yuan, Maryam Khanian Najafabadi, Mashud Rana, Varvara Vetrova·· 6 小时前
LLM 辅助编程安全性的系统性文献综述
Security in LLM-Assisted Coding: A Systematic Literature Review
arXiv:2610.15482v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Liang Yuan, Maryam Khanian Najafabadi, Mashud Rana, Varvara Vetrova
研究任务与主要进展
一项系统性文献综述研究了 LLM 辅助编程的安全风险，发现模型因训练数据偏差而频繁生成不安全代码和有缺陷的补丁，且模型本身易受直接攻击。现有评估方法存在数据污染、缺乏健壮的安全度量指标的问题。综述认为人工监督仍然必不可少，更安全的自动化整合需要安全感知的模型架构、更强的安全专项基准和更有效的人机协作框架。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org