arXiv cs.AI· Yali Du, Yunji Zhang, Ming Li·· 11 小时前AI 评分38
大语言模型跨语言代码翻译中的幻觉：现象与缓解
Hallucinations of Large Language Models in Cross-Language Code Translation: Phenomena and Mitigation
AI 导读
一项系统性实证研究在三个基准数据集、六种语言对和七个 LLM 上考察跨语言代码翻译幻觉，构建了语义一致性冲突、事实知识冲突、项目上下文偏离三类分类体系，人工标注 13,919 个幻觉案例。基于该分类体系提出的 HaluCodeTran 框架结合 BM25 检索相关翻译示例与分类感知的反思式精炼来缓解幻觉。
正文 · AI 翻译
摘要：代码翻译将源代码从一种编程语言转换为另一种编程语言，同时保持其功能不变。尽管大语言模型（LLM）改进了代码翻译，但其输出仍包含幻觉：生成的代码与源程序冲突、违反目标语言事实，或引入上下文不一致的依赖。这些失败在翻译中尤其有害，因为微小的语义偏差可能悄然改变程序行为。现有的幻觉研究主要集中于自然语言生成或代码生成，对跨语言代码翻译中幻觉的形式、分布和缓解措施刻画不足。本文对代码翻译中的 LLM 幻觉进行了系统的实证研究。基于三个基准数据集、六种语言对和七个 LLM，我们构建了一个包含三大类别的分类体系：语义一致性冲突、事实知识冲突和项目上下文偏差。我们人工标注了 13,919 个幻觉案例，并分析了幻觉类型如何随模型、数据集和语言方向而变化。在该分类体系的指导下，我们进一步提出了 HaluCodeTran，一个结合基于 BM25 的相关翻译示例检索与分类感知反思式精炼的缓解框架。该研究提供了经过执行测试的代码翻译幻觉刻画，并为构建更可靠的基于 LLM 的代码迁移工具提供了实用基线。
| 学科： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27868 [cs.SE] |
| （或 arXiv:2610.27868v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27868 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yali Du [查看电子邮件]
[v1]
2026年10月20日星期二 08:50:39 UTC（2,670 KB）
来源：arXiv cs.AI · arxiv.org