LLM 辅助编程安全性的系统性文献综述

一篇被 ACM Computing Surveys 接收的系统性综述指出，LLM 虽加速软件开发，却因训练数据偏差频繁生成不安全代码和错误补丁，模型自身也易受直接攻击。现有评测方法存在数据污染、缺乏可靠安全指标，人工监督仍不可替代。更安全的自动化集成需要安全感知的模型架构、更强的安全专用基准和更有效的人机协作框架。