3,583 papers

Меню

arXiv:2602.05868 72 5 фев. 2026 г. PRO

Конкретная критика кода: как получить на 8% более безопасный код от LLM

КЛЮЧЕВАЯ СУТЬ
Обнаружено: LLM знает о percent-encoding bypass и domain tricks, но считает уязвимый код безопасным — пока не спросишь конкретно про эти атаки. Метод конкретной критики позволяет получить на 8% больше безопасного кода (64% vs 56%) без дообучения модели. Фишка: не «проверь безопасность», а «укажи строку, API, CWE-номер для каждого риска». Модель переключается из поверхностной проверки в детальный аудит — находит то, что пропустила в первый раз. После добавления фраз типа «проверь на percent-encoding bypass» та же модель внезапно видит дыру, которую секунду назад считала безопасной.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

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

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

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