热点事件持续更新

论文提出LLM代码坏味道分类与检测工具

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Zacharie Chenail-Larcher 等作者提出一套自洽的 LLM 代码坏味道分类体系，列出九类坏味道，并发布静态源码分析工具 SpecDetect4LLM 用于检测。作者在 692 个开源项目的 171,194 个源文件上评估该工具，报告检测精确率 91.3%、召回率 71.8%，并称 73.5% 的被分析系统存在 LLM 代码坏味道。

AI 根据报道生成 · 1 小时前更新

最新进展10月28日 12:00

LLM Code Smells：LLM 代码坏味道分类与检测方法

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv cs.SE
LLM Code Smells：LLM 代码坏味道分类与检测方法
论文提出 LLM 代码坏味道的自洽分类体系和包含九类坏味道的目录，并发布静态源码分析工具 SpecDetect4LLM 用于检测。作者在 692 个开源项目的 171,194 个源文件上评估，检测精确率 91.3%、召回率 71.8%，73.5% 的被分析系统存在 LLM 代码坏味道。

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。