研究者提出LLM代码坏味分类与检测工具
热点事件持续更新
研究者提出LLM代码坏味分类与检测工具
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Zacharie Chenail-Larcher 等作者提出一套 LLM 代码坏味分类体系，收录九类 LLM 代码坏味，并开发静态源码分析工具 SpecDetect4LLM 用于检测。 在 692 个开源项目、171,194 个源文件上的评估显示，73.5% 的系统存在 LLM 代码坏味，检测精确率 91.3%、召回率 71.8%。作者称该论文在其早前 LLM 代码坏味工作的基础上，整合并细化了这一概念。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LLM Code Smells：九类 LLM 代码坏味分类体系与检测工具 SpecDetect4LLM报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILLM Code Smells：九类 LLM 代码坏味分类体系与检测工具 SpecDetect4LLM
研究者提出 LLM 代码坏味分类体系，收录九类 LLM 代码坏味，并开发静态源码分析工具 SpecDetect4LLM 用于检测。在 692 个开源项目、171,194 个源文件上的评估显示，73.5% 的系统存在 LLM 代码坏味，检测精确率 91.3%、召回率 71.8%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。