arXiv · AI· S M Abdulla Al Mamun, Akif Islam, Mohd. Ruhul Ameen·· 5 小时前AI 评分26
Qwen2.5-Coder-7B 在软件保障中扩展智能体与验证器反馈的研究
Beyond QASecClaw: Agent Scaling, Verifier Feedback, and Evidence Reliability in Software Assurance
AI 导读
基于 Qwen2.5-Coder-7B-Instruct 的 13,638 次请求实验表明，在确定性工具证据可用的情况下，增加专家语言模型上下文并未提升软件保障效果。 在 32 个 SV-COMP 任务中，原始验证器反馈将正确模型裁决从 12.7 提升至 22.0，但错误裁决也从 1 增至 7。 结果支持在测试设置中采用确定性证据准入，同时揭示了裁决聚合与反馈解释的局限。
来源：arXiv · AI · arxiv.org