综述论文梳理漏洞评估中的AI Slop问题

Junchen Ding 等研究者发布综述论文（arXiv:2608.25667，已被 SiMLA 2026 接收，v2 更新于 2026 年 11 月 5 日），梳理 LLM 进入漏洞评估后产生的「AI slop」问题。论文称其梳理了实证证据、识别了统一机制，并提出通往可信分诊的路径。 论文指出的问题包括幻觉漏洞、似是而非的错误补丁，以及语义重打包的 bug 报告，据称这些会给人工分诊带来类似拒绝服务攻击的认知负担。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。