AEGIS：从线索到裁决——通过辩证法与元审计实现图引导的深度漏洞推理

大型语言模型在漏洞检测中应用广泛，但其推理往往缺乏严谨性。本文指出根本原因在于代理在无根基的审议空间中运行，缺乏特定假设的证据基础，导致结论依赖修辞而非事实。为此，我们提出 AEGIS，一种多智能体框架，将检测转向基于封闭事实基底的法医式验证。该框架遵循“从线索到裁决”理念，首先识别代码异常，随后基于代码属性图动态重构依赖链。在此范围内，验证代理构建辩证论证，审计代理则审查所有主张以防止幻觉。实验表明，AEGIS 在 PrimeVul 数据集上创下新纪录，显著降低误报率且无需特定任务训练。