论文提出免训练代码缺陷定位方法GraphScent
热点事件持续更新
论文提出免训练代码缺陷定位方法GraphScent
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Ramesh Arvind Naagarajan 在 arXiv 发布论文,提出免训练搜索控制器 GraphScent,用于在单张消费级 GPU 上本地运行开放权重模型时的代码缺陷定位。论文称该方法在运行时 Typed-AST 多重图上传播关系条件化的对数似然比,并通过一次列表式比较解决平局,同时配套提出用于检查遗漏关联修改的轻量后置检查工具 AST Ripple。 作者称在研究 Gemma 4 模型时发现了方向性相关性信号的不对称性,据此设计了该方法。在覆盖 86 个仓库的 211 个真实 Python 问题的实验中,论文称该方法将 31B 模型在词汇困难目标上的精确定位率从 12.8% 提升至 23.4%,且在单 GPU 预算内完成。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
GraphScent:校准方向性相关性信号,用于有界上下文的代码缺陷定位报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AIGraphScent:校准方向性相关性信号,用于有界上下文的代码缺陷定位
arXiv 论文提出 GraphScent,一种免训练搜索控制器,在运行时 Typed-AST 多重图上传播关系条件化的对数似然比,用于单消费级 GPU 本地运行开放权重模型时的无状态仓库定位。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。