跳到正文
热点事件持续更新

代码溯源方法检测LLM生成代码

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

2026年11月9日，arXiv Artificial Intelligence 刊出 Subhankar Maity 等作者的论文，提出并评估一种基于 Min-K% 概率扩展的代码溯源与成员推断方法，用于 Python 代码的 AI 生成溯源与编程教育评估。据该来源，方法在 Min-K% 概率基础上引入合成非成员代码生成，对 Python 代码做成员推断与来源追踪，以区分学生原创、AI 生成和外部来源代码。评估覆盖 GPT-2、DistilGPT-2、DialoGPT 及 GPT-5、Gemini 2.5、Mistral、DeepSeek、LLaMA 3.3，并在高等教育学生作业场景前用 Stack Overflow 数据验证可行性。目前报道仅介绍方法设计与评估范围，未给出检测准确率等具体结果。

AI 根据报道生成 · 12 小时前更新

最新进展11月9日 13:00
分析 LLM 编程教育中的代码溯源

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv Artificial Intelligence
    分析 LLM 编程教育中的代码溯源

    研究扩展 Min-K% 概率方法，结合合成非成员代码生成，对 Python 代码做成员推断与来源追踪，以区分学生原创、AI 生成和外部来源代码。评估覆盖 GPT-2、DistilGPT-2、DialoGPT 及 GPT-5、Gemini 2.5、Mistral、DeepSeek、LLaMA 3.3，并在高等教育学生作业前用 Stack Overflow 数据验证可行性。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。