用小型语言模型逆向工程机器学习流水线结构

研究评估小型语言模型（SLM）能否凭借代码理解与分类能力，从源代码中提取机器学习（ML）流水线各阶段。研究通过 Cochran's Q 检验比较多个 SLM，并用 McNemar 检验将最佳模型与现有方法对比，发现分类法措辞显著影响性能，最佳 SLM 表现良好但未超越其他分类器。SLM 无需微调即有前景，但存在推理成本高、限制大规模研究适用性等局限。