小型语言模型逆向工程机器学习流水线结构研究

2026年10月8日，arXiv Software Engineering 刊登一项研究，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。结果显示，分类法措辞会显著影响性能，最佳 SLM 表现良好但未超越其他分类器。研究认为 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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。