代码大模型 / AI 编程

Llama-based source code vulnerability detection: Prompt engineering vs Fine tuning

基于Llama的源代码漏洞检测：提示工程与微调

Dyna Soumhane Ouchebara, Stéphane Dupont

机构 * University of Mons（蒙斯大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 本研究探讨了基于Llama模型的源代码漏洞检测方法，比较了提示工程与微调技术的效果，提出双微调方法并评估其性能。

Comments 20 pages, Accepted at ESORICS 2025

Decoupling Template Bias in CLIP: Harnessing Empty Prompts for Enhanced Few-Shot Learning

解除CLIP中的模板偏见：利用空提示提升少样本学习

Zhenyu Zhang, Guangyao Chen, Yixiong Zou, Zhimeng Huang, Yuhua Li

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI

AI总结 本研究通过引入空提示机制，减少CLIP中模板偏见对少样本学习的影响，提升分类准确性和鲁棒性。

Comments 14 pages, 8 figures, Association for the Advancement of Artificial Intelligence (AAAI2026, poster)