LLM代码坏味道分类法与检测工具发布
热点事件持续更新
LLM代码坏味道分类法与检测工具发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月28日，Zacharie Chenail-Larcher等研究团队在arXiv发布新研究，提出LLM代码坏味道分类法，梳理并定义了九种LLM代码坏味道。该团队同时构建了名为SpecDetect4LLM的静态源代码分析工具，用于检测这些代码坏味道。 研究团队在692个开源项目中进行了大规模实证评估。评估结果显示，LLM代码坏味道影响了73.5%的分析系统。在使用SpecDetect4LLM进行检测时，其精确率为91.3%，召回率为71.8%。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LLM 代码坏味道：分类法与检测方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AILLM 代码坏味道：分类法与检测方法
研究团队提出 LLM 代码坏味道分类法，构建静态分析工具 SpecDetect4LLM，并在 692 个开源项目中完成大规模实证评估。 评估结果显示，LLM 代码坏味道影响了 73.5% 的分析系统，检测精确率为 91.3%，召回率为 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。