该论文聚焦于静态分析在软件安全中的核心地位与 CodeQL 等工具面临的现实瓶颈：构建高覆盖率查询套件通常需要大量人工投入。尽管大语言模型（LLM）在代码推理方面展现出潜力，但其生成结构化、可执行安全查询的实际能力仍缺乏系统评估。为此，作者开展了一项实证研究，利用美国国家漏洞数据库（NVD）中的漏洞数据，评估 LLM 合成 CodeQL 查询的能力，并探索将 LLM 作为自动 CodeQL 查询生成器的可行性。研究系统评测了多种 LLM 架构在大量真实漏洞场景下的表现，重点衡量其生成的查询对检测覆盖率和精确率的提升程度。结果显示，LLM 生成的查询能够显著增强基线 CodeQL 查询，平均 F1 分数提升达 82%。此外，论文提供了详细的成本效益分析：直接使用 LLM 扫描整个代码仓库在计算和财务上往往不可行，而利用 LLM 合成 CodeQL 查询则是一种可扩展且成本有效的替代方案。该研究的核心贡献在于证明 LLM 可以有效弥合非结构化漏洞报告与形式化静态分析规范之间的鸿沟，为大规模自动化漏洞检测提供了一条可扩展路径。适合静态分析研究者、SAST 工具开发者、DevSecOps 工程师以及漏洞管理团队阅读。

本文提出 ARQ，一个基于智能体（agent）的自动化框架，旨在优化 C/C++ 程序的 CodeQL 漏洞检测查询，以降低误报（FP）和漏报（FN）。现有查询型静态分析器（如 CodeQL）通过预定义的漏洞模式查询来匹配源码，但官方查询仍存在大量 FP 和 FN，影响实际检测效果。ARQ 的核心思路是利用合成程序执行结果作为“事实依据”来暴露查询的弱点：当程序真实存在漏洞但查询未报时，说明存在漏报；当程序安全但查询误报时，说明存在误报。这些分歧被用作监督信号，驱动一个基于大语言模型（LLM）的循环修复合，迭代更新 CodeQL 查询规则。与以往需要标注数据集、提交历史或漏洞模板的方法不同，ARQ 完全无需这些外部依赖。实验选取了 12 个官方 CodeQL 查询，使用三个商业 LLM（GPT-5.4、Claude-Sonnet-4.6、Gemini-3.5-flash）进行精化，并在 Juliet v1.3 和 FormAI v2 数据集上对比了精化前后查询的性能。结果显示，ARQ 精化后的查询检测出的真实阳性数量最高提升 119.8%，且精确度始终不低于 98.0%。此外，ARQ 成功修复了 CodeQL 官方仓库中 3 个长期未解决的 GitHub 问题（最长搁置 27 个月），并利用精化查询在真实世界库 libpng 和 zlib 中发现了两个此前未知的漏洞。该研究展示了将 LLM 智能体与执行反馈相结合进行静态分析规则自动化优化的巨大潜力，为提升代码安全审计效率提供了新途径。适合静态分析工具开发人员、安全研究员及 DevOps 人员阅读。