基于LLM的软件分析数据匿名化：研究JIT缺陷预测中的隐私与实用性权衡Research#LLM Anonymization🔬 Research|分析: 2026年1月10日 11:35•发布: 2025年12月13日 07:37•1分で読める•ArXiv分析这项研究探讨了一个关键领域：使用大型语言模型 (LLM) 保护敏感数据，同时保留其分析价值。 该研究侧重于即时 (JIT) 缺陷预测，突出了这些技术在软件工程中的实际应用。要点•调查使用 LLM 对软件分析数据进行匿名化。•侧重于 JIT 缺陷预测中隐私与实用性的权衡。•旨在平衡数据保护与分析洞察力的保留。引用 / 来源查看原文"The research focuses on studying privacy-utility trade-offs in JIT defect prediction."AArXiv2025年12月13日 07:37* 根据版权法第32条进行合法引用。较旧Accelerating Diffusion Policies with Temporal Adaptive Speculative Decoding较新AI-Powered Segmentation Algorithm Comparison for Infant Brain MRI Analysis相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv