摘要
针对推理语言模型（RLM）在代码生成中常引入安全漏洞的问题，本文提出 SecPI 微调框架。该方法无需推理时指令，通过筛选数据集、利用教师模型生成结构化安全推理轨迹，教会 RLM 内化安全推理机制。实验表明，SecPI 显著提升了模型在多个基准上的功能正确性与安全性，并展现出跨漏洞类型和编程语言的强泛化能力，实现了默认生成安全代码的目标。
AI 推荐理由
论文核心在于通过微调让模型内化结构化安全推理能力，实现自主安全代码生成。
研究机构
University of California, Berkeley
ETH Zurich
论文信息