gctwnl 分享 LLM 代码审计实践

gctwnl 发布其实验笔记第6篇，探讨 LLM 生成代码的 IfSQ 审计结果与改进过程。报告指出，LLM 在特定问题挖掘上优于人工，但生成代码存在被 IfSQ 发现的严重缺陷。 分析称，虽可攻击这些缺陷，但会逐渐降低使用 LLM 编码的效率。目前，超过 50% 的精力消耗在质量与缺陷修复上，而非功能开发。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。