摘要
大型语言模型能利用静态分析器无法获取的信息（如文档、安全公告），适用于依赖外部信息的程序分析。然而，直接让 LLM 进行一次性全程序分析十分脆弱，因其将多个依赖证据的判断压缩为单一不透明答案。本文提出“代理解释”框架，将基于格的静态分析纪律引入 LLM 驱动的程序推理中。该框架将高层分析目标分解为局部主张，并在有限高度的格中追踪 LLM 对每个主张的判断，通过工作列表算法管理主张及其判断的演变，从而提升分析的可靠性与可解释性。
AI 推荐理由
提出基于格结构的代理解释框架，核心在于增强 LLM 的程序推理能力与证据追踪。
研究机构
University of Southern California, Los Angeles, California, USA
论文信息