SEW: Style-Encoded Watermarking of LLM-Generated Code
该论文关注 LLM 生成代码的来源追踪(provenance)问题, 提出名为 SEW(Style-Encoded Watermarking)的代码水印方案。研究背景是: 现有代码水印大体分为两类路线——一类在模型生成过程中修改 token
共收录 2 条相关情报。
← 返回所有主题该论文关注 LLM 生成代码的来源追踪(provenance)问题, 提出名为 SEW(Style-Encoded Watermarking)的代码水印方案。研究背景是: 现有代码水印大体分为两类路线——一类在模型生成过程中修改 token
本研究探讨了现代软件开发中两个重要问题:能否仅通过代码片段本身判断其来源(人类编写还是大语言模型生成),以及这两种来源在实现同一编程任务时是否存在安全模式上的差异。作者构建了一个完全可复现的开源情报管道,利用公开的Stack Overflo