综述指LLM辅助编码存安全风险

一篇被 ACM Computing Surveys 接收的系统性文献综述指出，LLM 虽能加速软件开发，却常因训练数据偏差生成不安全代码和错误补丁，模型自身也容易遭受直接攻击。该综述由 Liang Yuan 等作者发表，聚焦 LLM 辅助编码中的安全风险、基准局限与人类开发者角色。 综述称，现有评测方法存在数据污染、缺乏稳健安全指标的问题，因此人工监督仍不可或缺。作者认为，需要更安全感知的模型架构、更强的安全基准以及人机协作框架，来缓解这些系统性风险。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。