四川大学发布LLMCSA Benchmark Dataset数据集,应用在大语言模型、代码溯源领域

四川大学本次发布的数据集LLMCSA Benchmark Dataset,该数据集由四川大学团队构建，是首个面向大语言模型代码溯源任务的大规模基准数据集，包含来自DeepSeek、Claude、Qwen和ChatGPT四种主流模型的91,804个代码样本，覆盖Python、Java、C和Go四种编程语言。数据通过受控生成流程采集，包含带注释与无注释两种编码设置，重点捕捉模型在代码风格、结构组织和词汇偏好等方面的生成指纹。该数据集旨在支持软件溯源、安全审计等场景下的模型级代码归属分析研究。

查看LLMCSA Benchmark Dataset

关于四川大学,四川大学是位于中国四川省成都市的一所综合性重点大学，是国家“双一流”建设高校，拥有悠久的历史和强大的学术实力，涵盖文、理、工、医等多个学科领域。

关于arXiv,arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。