یکی از بزرگترین چالشهای استفاده از مدلهای زبانی (LLM) برای کدنویسی، این است که کدهای تولیدی همیشه بهینه یا امن نیستند. حالا محققان فریمورک جدیدی به نام SynthFix را معرفی کردهاند که با ترکیب یادگیری نظارتشده و بازخوردهای کامپایلر، به طور هوشمند آسیبپذیریهای امنیتی کدها را شناسایی و اصلاح میکند.
این ابزار نه تنها کدهای کارآمدتری تولید میکند، بلکه در تستهای امنیتی عملکرد بسیار بهتری نسبت به روشهای سنتی دارد (تا ۵۴٪ بهبود در درستی عملکرد). اگر برنامهنویس هستید یا به امنیت نرمافزار علاقه دارید، این ابزار میتواند انقلابی در خودکارسازی فرایندهای امنیتی ایجاد کند.
اطلاعات بیشتر و دسترسی به کد پروژه در گیتهاب: https://github.com/CoderDoge1108/SynthFix
منبع: arXiv Machine Learning