速報 大型語言模型在程式碼漏洞偵測中的認知偏誤研究 研究團隊系統性探討大型語言模型（LLM）在自動化程式碼漏洞偵測時，是否會受到與人類相同的認知啟發式影響。透過控制實驗，僅改變程式碼周圍的文字敘述，分別觸發光環效應、框架效應與錨定效應，並在三種程式語言上測試八種 LLM。結果顯示所有模型皆會受此三種啟發式影響，框架效應的平均易感度最高達 33.2%。
