3,583 papers
arXiv:2512.16538 68 18 дек. 2025 г. PRO

Обфускация кода и LLM: как структура влияет на понимание модели

КЛЮЧЕВАЯ СУТЬ
Исследователи проверили как 19 способов изменения структуры кода влияют на способность LLM находить уязвимости. Взяли код с багами, применили разные трансформации (переименование переменных, удаление комментариев, изменение контрольных потоков, смешивание языков) и прогнали через 15 моделей разных семейств. Обнаружили неожиданный двойной эффект: одни изменения ожидаемо ухудшают детекцию (модель пропускает баги), но другие — парадоксально улучшают (модель начинает находить то, что раньше пропуска
Адаптировать под запрос
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с