LLM代码异味分类与检测工具研究
热点事件持续更新
LLM代码异味分类与检测工具研究
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv Artificial Intelligence 刊出 Zacharie Chenail-Larcher 等作者的论文，提出 LLM 代码坏味分类体系，收录九类 LLM 代码坏味，并构建静态源码分析工具 SpecDetect4LLM 用于检测。作者在文中称，该工作是在其早先 LLM 代码坏味研究基础上，整合并细化概念，给出自成一体的分类体系与九类坏味目录。评测在 692 个开源项目、171,194 个源文件上进行，工具检测精确率 91.3%、召回率 71.8%，73.5% 的被分析系统存在 LLM 代码坏味。目前事件进展为分类体系与检测工具已发布并给出上述评测结果，尚无后续跟进报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
LLM Code Smells：九类 LLM 代码坏味分类体系与检测工具 SpecDetect4LLM报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv Artificial IntelligenceLLM Code Smells：九类 LLM 代码坏味分类体系与检测工具 SpecDetect4LLM
研究提出 LLM 代码坏味分类体系，收录九类 LLM 代码坏味，并构建静态源码分析工具 SpecDetect4LLM 用于检测。在 692 个开源项目、171,194 个源文件的评测中，该工具检测精确率 91.3%、召回率 71.8%，73.5% 的被分析系统存在 LLM 代码坏味。
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。