Poison Valleys 论文研究 LLM 代码修复的路径依赖失败
热点事件持续更新
Poison Valleys 论文研究 LLM 代码修复的路径依赖失败
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Veljko Skarich 发表论文 Poison Valleys，研究 LLM 代码修复中的路径依赖失败。研究在 1,844 次模型请求上追踪这一路径，用 PersistQueue 和 Dijkstra 两个合成 Python 案例定位错误承诺的源头：PersistQueue 为磁盘队列加入原子批量认领，Dijkstra 为最短路径搜索加入源敏感过滤。 将错误机制从假设移到实现计划后，PersistQueue 的失败率上升 32.2%，Dijkstra 上升 28.9%。论文称，不同误解会产生各异且依赖模型的义务违反模式，但可能收敛到相同行为。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
Poison Valleys：诊断 LLM 代码修复中的路径依赖失败报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.SEPoison Valleys：诊断 LLM 代码修复中的路径依赖失败
研究在 1,844 次模型请求上追踪 LLM 代码修复的路径依赖失败，用 PersistQueue 和 Dijkstra 两个合成 Python 案例定位错误承诺的源头。将错误机制从假设移到实现计划后，PersistQueue 失败率上升 32.2%，Dijkstra 上升 28.9%。不同误解产生各异且依赖模型的义务违反模式，但可能收敛到相同行为。
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。