CoHalLo：代码幻觉的细粒度定位

本文解决了AI生成代码中代码幻觉的关键问题，从粗粒度检测转向行级定位。提出的CoHalLo方法利用隐藏层探测和句法分析来精确定位产生幻觉的代码行。使用探测网络和比较预测抽象语法树（AST）与原始AST是一种新颖的方法。在手动收集的数据集上的评估以及报告的性能指标（Top-1、Top-3等精度、IFA、Recall@1%、Effort@20%）证明了该方法相对于基线的有效性。这项工作意义重大，因为它为开发人员提供了一个更精确的工具来识别和纠正AI生成代码中的错误，从而提高了AI辅助软件开发的可靠性。

• •CoHalLo是一种用于行级代码幻觉定位的新方法。
• •它使用探测网络和AST比较来识别产生幻觉的代码行。
• •该方法基于报告的指标优于基线方法。
• •这项工作有助于提高AI生成代码的可靠性。