代码大模型 / AI 编程

Does Teaming-Up LLMs Improve Secure Code Generation? A Comprehensive Evaluation with Multi-LLMSecCodeEval

多模型协同是否能提升安全代码生成？基于多LLMSecCodeEval的全面评估

Bushra Sabir, Shigang Liu, Seung Ick Jang, Sharif Abuadbba, Yansong Gao, Kristen Moore, SangCheol Kim, Hyoungshick Kim, Surya Nepal

专题命中 代码生成 ：code generation(title,abstract)；分类 cs.SE

AI总结 本文通过多LLMSecCodeEval框架评估多模型协同对安全代码生成的影响，发现混合策略在安全性能上表现最佳，而模型规模并非安全保障的关键因素。

STRIATUM-CTF: A Protocol-Driven Agentic Framework for General-Purpose CTF Solving

STRIATUM-CTF: 一种基于协议的代理框架用于通用CTF求解

James Hugglestone, Samuel Jacob Chacko, Dawson Stoller, Ryan Schmidt, Xiuwen Liu

机构 * Department of Computer Science, Florida State University, Tallahassee, USA（计算机科学系，佛罗里达州立大学，塔拉萨斯，美国） 纠错

专题命中 代码生成 ：code generation(abstract)；分类 cs.AI

AI总结 本文提出STRIATUM-CTF框架，通过Model Context Protocol标准化工具接口，提升CTF求解的自主性和适应性，在真实竞赛中取得第一名。

Comments 8 pages, 7 pages

Guided Star-Shaped Masked Diffusion

引导式星形遮蔽扩散

Viacheslav Meshchaninov, Egor Shibaev, Artem Makoian, Ivan Klimov, Nikita Balagansky, Daniil Gavrilov, Aibek Alanov, Dmitry Vetrov

专题命中 代码生成 ：code generation(abstract)；分类 cs.LG

AI总结 本文提出一种引导式星形遮蔽扩散算法，通过轻量级微调提升样本质量和效率，采用星形范式实现内在误差纠正，结合可学习重遮蔽调度器有效修正可能错误，在文本和代码生成中表现优异。