fine-tuning

深度分析

使用微調 CodeLM 檢測跨語言漏洞：資料集建構與效能實證

軟體開發愈趨多語言，跨語言互動衍生出單語檢測難以覆蓋的漏洞。本研究以CodeLM微調為核心，建構含Python、Java與C/C++互動樣本的跨語言漏洞資料集，微調13款模型並評估資料量、序列長度與註解對效能影響。結果顯示微調顯著提升檢測效能，且單語模型難以直接通用於跨語場景。