arXiv cs.AI· Rui Melo, Andre Catarino, Claudia Mamede, Corina Pasareanu, Rui Abreu·· 11 小时前AI 评分31
模型知道却说不清：关系编码限制代码 LLM 的线性漏洞分类能力
When Models Know but Can't Linearly Say: Relational Encoding Limits Linear Vulnerability Classification in Code LLMs
AI 导读
研究分析 8 个 6.7B-15B 参数的代码模型在 C 程序上的表现，发现漏洞信息更适合以配对关系信号（代码 A 是否比代码 B 风险更高）的形式提取，而非全局可分的类别标签。模型能可靠排序代码风险高低，但标准分类器在孤立样本上准确率有限，因为漏洞与安全样本在表示空间中分布重叠。
正文 · AI 翻译
摘要：大型语言模型能够检测出存在漏洞的代码，但漏洞信息在其表征中的编码形式仍不清楚。我们分析了 8 个参数规模在 6.7B-15B 之间的代码模型，在 C 程序上使用三个数据集（DELTASECOMMITS、SVEN 和 PRECISE-BUGS），对同一表征比较了两项诊断任务：识别代码实例化了哪些模式，以及判定其是否存在漏洞。模型对第一项任务的编码保真度很高。在所研究的配对 C 代码数据集和线性探测设置下，漏洞信息作为配对关系信号——即代码 A 是否比代码 B 风险更高——比作为全局可分的类别标签更容易获取。这一结构性差异对分类具有影响：模型能够可靠地对哪段代码风险更高进行排序，但对孤立样本使用标准分类器时准确率有限，因为存在漏洞的样本与安全样本在表征空间中形成重叠分布。
| 评论： | 已被 EMNLP Findings 接收 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27257 [cs.CR] |
| （或 arXiv:2610.27257v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27257 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Rui Melo [查看电子邮件]
[v1]
2026 年 10 月 19 日星期一 20:26:32 UTC（172 KB）
来源：arXiv cs.AI · arxiv.org