“kod analizi” için sonuçlar
16 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Kodlama Yetenekleri Matematiksel Doğrulama ile Güçleniyor
Araştırmacılar, büyük dil modellerinin kod yazma ve anlama yeteneklerini geliştirmek için yenilikçi bir yaklaşım geliştirdi. Haskell programlama dili üzerinde çalışan sistem, matematiksel doğrulama araçları kullanarak kodların anlam bakımından eşdeğer olup olmadığını belirliyor. İki yapay zeka modelinin birbirine karşı yarıştığı bu yaklaşımda, bir model kod üretirken diğeri bu kodları değerlendiriyor. Sistem, 28 bin doğrulanmış Haskell programından oluşan yeni bir veri seti kullanıyor. Deneyler, bu yöntemle eğitilen modellerin kod anlama testlerinde yüzde 13'e varan başarı artışı gösterdiğini ortaya koyuyor. Çalışma, yapay zekanın mantıksal düşünme yeteneklerinin geliştirilmesinde formal doğrulama yöntemlerinin önemini vurguluyor.
Yapay Zeka Artık Kodlardaki Gizli Hataları Daha İyi Buluyor
Araştırmacılar, yazılım testlerinde devrim yaratabilecek yeni bir yapay zeka sistemi geliştirdi. GLMTest adlı bu sistem, geleneksel metin tabanlı yaklaşımların aksine kodun yapısal özelliklerini anlayarak test senaryoları üretiyor. Graf sinir ağları ve dil modellerini birleştiren bu yaklaşım, yazılımların riskli bölümlerini hedefleyerek güvenlik açıklarını ve kritik hataları tespit etme başarısını önemli ölçüde artırıyor. Sistem, mevcut yöntemlere kıyasla %83 daha yüksek doğrulukla hedeflenen kod dallarına ulaşabiliyor.
Yapay Zeka ile Kod Analiz Araçlarının Gereksiz Uyarılarını Süzme
Yazılım geliştiriciler statik kod analiz araçlarından gelen binlerce uyarı ile boğuşurken, bunların çoğu gereksiz çıkıyor ve 'alarm yorgunluğu' yaratıyor. Araştırmacılar, transformer tabanlı yapay zeka modellerini kullanarak bu sorunu çözmek için STAF adlı yeni bir sistem geliştirdi. Sistem, kod analiz raporlarındaki bulguları 'eyleme geçirilebilir' ve 'gereksiz' olarak sınıflandırarak, geliştiricilerin gerçekten önemli sorunlara odaklanmasını sağlıyor. Java projelerinde yapılan testlerde yüksek doğruluk oranları elde edildi.
Büyük Dil Modelleri Gerçek Dünya Kodlarını Analiz Etmekte Ne Kadar Başarılı?
Araştırmacılar, yapay zeka sistemlerinin matematik problemlerindeki başarısının gerçek yazılım kodlarını anlama yetisini gösterip göstermediğini test etmek için yeni bir değerlendirme sistemi geliştirdi. Amazon'un kripto kütüphanesi s2n-bignum'dan türetilen bu test, büyük dil modellerinin endüstriyel seviyedeki assembly kodlarını ne kadar iyi analiz edebildiğini ölçüyor. Sistem, matematiksel teoremler yerine gerçek dünyada kullanılan karmaşık yazılımları temel alıyor ve AI'ın pratik programlama görevlerindeki gerçek performansını ortaya çıkarıyor.
Yapay Zeka Yazılım Tasarım Kalıplarını Tespit Edebiliyor
Araştırmacılar, büyük dil modellerinin yazılım geliştirmede kullanılan tasarım kalıplarını otomatik olarak tespit edebilme yeteneklerini incelediler. Çalışmada dört farklı yapay zeka modeli test edildi ve bu modeller kaynak kodu, görsel diagramlar ve metin açıklamaları gibi farklı veri türleriyle beslendiğinde nasıl performans sergiledikleri ölçüldü. Singleton, adapter, bridge, composite ve decorator gibi beş temel tasarım kalıbının tespiti üzerinde yoğunlaşan araştırma, yazılım geliştirme sürecinde AI'nın rolünü genişletebilecek bulgular sunuyor. Bu teknoloji özellikle yeni geliştiricilerin karmaşık yazılım sistemlerini anlamasını kolaylaştırabilir ve deneyimli programcıların kod kalitesi sorunlarını hızla tespit etmesine yardımcı olabilir.
Büyük Dil Modelleri Çok Dilli Kod Analizi Testinde Sınıfta Kaldı
Araştırmacılar, yazılım geliştirmede kritik öneme sahip otomatik günlük kaydı (logging) sistemlerini inceleyen kapsamlı bir çalışma yayınladı. MultiLogBench adlı yeni benchmark, altı farklı programlama dili ekosisteminde 63 bin üzeri kod örneği içeriyor. Çalışma, mevcut yapay zeka modellerinin tek dil odaklı eğitim verisiyle sınırlı kaldığını ve gerçek yazılım geliştirme süreçlerindeki çok dilli ortamlarda yetersiz performans gösterdiğini ortaya koyuyor. Günlük kaydı, yazılım hatalarını tespit etme ve sistem performansını izlemede hayati rol oynar, ancak geliştiriciler için zaman alıcı bir süreçtir. Bu nedenle otomatik günlük sistemi geliştirme çabaları büyük önem taşır.
Büyük Dil Modelleri Yazılım Güvenlik Testlerinde Çığır Açıyor
Araştırmacılar, yazılım güvenlik açıklarını bulmak için kullanılan fuzzing testlerini büyük dil modelleriyle (LLM) geliştiren yenilikçi bir sistem tasarladı. SDLLMFuzz adlı bu framework, özellikle karmaşık yapılandırılmış girdi gerektiren programlarda etkili. Geleneksel fuzzing yöntemleri, sözdizim kuralları katı olan programlarda geçerli test girdileri üretmekte zorlanıyor ve derin kod yollarını keşfedemiyor. Yeni yaklaşım, LLM'lerin dil anlayışı yeteneklerini statik kod analizi ve dinamik geri bildirimle birleştireyor. Bu sayede hem sözdizimsel olarak doğru hem de anlamsal olarak mantıklı test girdileri üretilebiliyor. Sistem, çalışma zamanı geri bildirimlerini kullanarak kendini sürekli iyileştiren bir döngü oluşturuyor. Araştırma, yapay zekanın siber güvenlik alanındaki potansiyelini gösteriyor ve yazılım geliştirme süreçlerinde daha güvenli uygulamalar oluşturulmasına katkı sağlayabilir.
Yapay Zeka Hata Açıklamalarında Güvenilirlik Sorunu: Yeni Değerlendirme Yöntemi
Büyük dil modelleri (LLM) tabanlı hata ayıklama sistemleri, yazılım hatalarını açıklarken yanıltıcı bilgiler verebiliyor. Araştırmacılar, bu açıklamaların kalitesini artırmak için yeni bir değerlendirme yaklaşımı geliştirdi. Çalışma, mevcut sistemlerin hata açıklamalarını ikincil bir ürün olarak gördüğünü ve asıl nedensel mekanizmaları tam olarak yakalayamadığını ortaya koyuyor. Yeni yöntem, kod parçalarını bağlamsal olarak bölerek ve yapay zekayı hakim olarak kullanarak daha güvenilir açıklamalar üretmeyi hedefliyor. Bu gelişme, yazılım geliştirme süreçlerinde hata tespiti ve düzeltme işlemlerinin daha etkili hale gelmesine katkı sağlayabilir.
TypeScript Kodları İçin Yeni Arama Motoru: AI Kod Asistanlarını Hızlandırıyor
Araştırmacılar, yapay zeka kod asistanlarının performansını artıracak yeni bir TypeScript arama sistemi geliştirdi. ABCoder-ts-parser adlı bu sistem, büyük kod projelerinde fonksiyonlar ve bağımlılıklar arasındaki ilişkileri daha verimli şekilde indeksliyor. Geleneksel anahtar kelime araması yerine graf tabanlı yaklaşım kullanan sistem, kod parçaları arasındaki çağrı zincirlerini ve bağımlılık ilişkilerini koruyarak daha doğru sonuçlar sunuyor. 1,2 milyon satır koda kadar test edilen yeni parser, mevcut LSP tabanlı çözümlerden önemli ölçüde daha hızlı çalışıyor. Bu gelişme, büyük yazılım projelerinde çalışan geliştiricilerin AI destekli kod asistanlarından daha verimli yararlanmasını sağlayacak.
MetaLint: Kodlama Kurallarını Doğal Dille Öğreten Yeni Yapay Zeka Sistemi
Büyük dil modelleri kod yazma konusunda başarılı olsalar da, kodlama standartlarını kontrol etme ve yeni kurallara uyum sağlama konusunda zorlanıyorlar. Araştırmacılar, bu sorunu çözmek için MetaLint adlı yenilikçi bir meta-öğrenme çerçevesi geliştirdi. Bu sistem, kod kalitesi kontrolünü doğal dil talimatlarını takip etme görevi olarak ele alıyor ve modellerin kodun belirli standartlara uyup uymadığını değerlendirmesini sağlıyor. MetaLint'in en önemli özelliği, sabit kurallar yerine doğal dilde yazılmış spesifikasyonlara göre çalışması ve yeniden eğitim gerektirmeden yeni kurallara adapte olabilmesi.
Yapay zekanın yazdığı kodu tespit eden yeni sistem: GoCoMA
Büyük dil modelleri artık insanların yazdığı kodlardan ayırt edilmesi zor programlar üretebiliyor. Bu durum güvenlik açıkları ve telif hakkı sorunları yaratırken, 'Bu kodu kim yazdı?' sorusunu da gündeme getiriyor. Araştırmacılar, yapay zeka tarafından üretilen kodları tespit edebilen GoCoMA adlı yeni bir sistem geliştirdi. Bu çok modlu framework, kodlama stilini ve derlenmiş dosyaların görsel temsillerini hiperbolik geometri kullanarak analiz ediyor. Sistem, farklı veri türlerini özel bir füzyon mekanizmasıyla birleştirerek hangi yapay zeka modelinin kodu ürettiğini belirleyebiliyor. Bu gelişme, kod güvenliği ve orijinallik tespiti açısından önemli bir adım olarak değerlendiriliyor.
Yapay Zeka, Karmaşık Yazılım Kodlarını Çözümlemeyi Öğreniyor
Araştırmacılar, büyük dil modellerinin adım adım düşünme yeteneğini kullanarak karmaşık hale getirilmiş yazılım kodlarını çözümleyebileceğini keşfetti. Chain-of-Thought (CoT) yöntemi kullanılarak gerçekleştirilen çalışmada, yapay zeka sistemlerinin gizlenmiş kod yapılarını nasıl daha etkili şekilde çözebileceği araştırıldı. Bu gelişme, siber güvenlik ve yazılım analizinde manuel olarak aylar süren işlerin otomatikleştirilmesi açısından büyük önem taşıyor. Beş farklı gelişmiş dil modeli üzerinde yapılan testlerde, adım adım çözümleme yaklaşımının basit yöntemlere kıyasla belirgin üstünlük sağladığı görüldü. Sonuçlar, yapay zekanın karmaşık yazılım analizi görevlerinde insan uzmanlara yardımcı olabileceğini gösteriyor.
GraphQLify: REST API'leri Otomatik Olarak GraphQL'e Dönüştüren Yeni Framework
Araştırmacılar, mevcut REST API'leri GraphQL formatına otomatik olarak dönüştüren GraphQLify adlı yenilikçi bir framework geliştirdi. Bu sistem, statik kod analizi kullanarak tip güvenliğini korurken, geleneksel yaklaşımlardan farklı olarak performans kaybına neden olan adaptör sunucular yerine gömülü sunucu mimarisi kullanıyor. GraphQL, şema tabanlı ve güçlü tip sistemine sahip sorgu dili olarak, istemci-sunucu iletişiminde yüksek verimlilik sağlıyor. GraphQLify'ın en önemli yeniliği, kaynak kodunu doğrudan analiz ederek kesin tip çıkarımı yapması ve bu sayede uçtan uca tip güvenliği garantilemesi. 834 farklı API üzerinde yapılan testlerde, sistemin başarılı sonuçlar verdiği gözlemlendi. Bu gelişme, web geliştirme ekosisteminde API migrasyonlarını kolaylaştıracak önemli bir adım olarak değerlendiriliyor.
Yapay Zeka Kod Bulucu Sistemleri Gerçek Mantık Yerine Kısayol Kullanıyor
Yazılım geliştirmede kod hatalarını otomatik bulan sistemler, görünürde etkileyici performans sergiliyor. Ancak yeni araştırmalar, bu sistemlerin gerçek mantıksal akıl yürütme yerine basit kelime eşleştirme kısayolları kullandığını ortaya koyuyor. Araştırmacılar bu durumu 'Kelime Kısayolu' olarak adlandırıyor ve yapay zekanın kod anlama kapasitesindeki temel eksiklikleri gözler önüne seriyor. Bu keşif, otonom yazılım mühendisliğinin gelecekteki gelişimi için kritik öneme sahip.
Siber güvenlik testlerinde yapay zeka ajanlarının sağlamlığı ölçüldü
Araştırmacılar, büyük dil modellerinin siber güvenlik görevlerindeki performansını daha etkili şekilde değerlendirmek için yeni bir yöntem geliştirdi. Geleneksel testlerin aksine, bu yaklaşım aynı güvenlik açığını farklı kod versiyonlarında test ederek yapay zeka ajanlarının ne kadar sağlam olduğunu ölçüyor. Evolve-CTF adlı araç, Python tabanlı siber güvenlik zorluklarından semantik olarak eşdeğer alternatifler üretiyor. 13 farklı yapay zeka modelinin test edildiği çalışmada, modellerin değişken adı değişikliklerine ve kod eklemelerine oldukça dayanıklı olduğu, ancak daha karmaşık dönüşümler ve kod gizleme teknikleri karşısında performanslarının düştüğü görüldü.
Code Whisperer: Yazılım Hatalarını Bulup Onaran Hibrit AI Sistemi
Araştırmacılar, yazılım kodlarındaki güvenlik açıklarını ve bakım sorunlarını tespit edip otomatik olarak onarabilen yeni bir yapay zeka sistemi geliştirdi. 'Code Whisperer' adlı bu hibrit framework, graf tabanlı program analizi ile büyük dil modellerini birleştiriyor. Sistem, kodun yapısal özelliklerini ve anlamsal bağlamını aynı anda değerlendirerek, mevcut araçların ürettiği gereksiz uyarıları azaltıyor ve daha kullanışlı çözüm önerileri sunuyor. Çoklu programlama dili desteği sunan sistem, sadece graf analizi veya sadece dil modeli kullanan yaklaşımlardan daha başarılı sonuçlar elde ediyor.