增加模型上下文未改善不安全放行，确定性证据准入更可靠。
资讯摘要
论文通过五组实验考察在已有确定性工具证据时，增加专用语言模型上下文能否提升软件保障。实验使用 Qwen2.5-Coder-7B-Instruct 及 1.5B 敏感性分析，共完成 13,638 次模型请求。结果显示：上下文从 1 增至 50 使 token 用量增加 49 倍，却未改善不安全放行；原始验证器反馈提高正确判定数，也增加错误判定；构造特定的范围检查能正确分类全部证据包。
要点速读
- 在 8 个相关开发警告上，上下文数从 1 增至 50 使 token 用量增加 49 倍，但未改善不安全放行。
- 在 32 个 SV-COMP 任务上，原始验证器反馈将平均正确判定从 12.7 提至 22.0，同时将错误判定从 1 增至 7；JBMC-plus-JVM 基线返回 26 个正确判定和 6 个未解决结果。
- 在两组各 120 个证据包上，模型拒绝 70%–100% 的适用反例，而构造特定的范围检查将全部证据包正确分类。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。