FDPR：面向LLM漏洞分析的失败驱动提示词优化

2026年10月7日，arXiv Software Engineering 发表研究，提出 Failure-Driven Prompt Refinement（FDPR），通过分析大语言模型在漏洞分析中的反复失败来指导提示词优化。研究基于 Damn Vulnerable Java Application（DVJA）识别出误报、漏报、推理无依据和 CWE 误分类等失败模式，并在 Juliet Test Suite 上进行评估与跨模型验证。该方法旨在从失败案例中提炼改进方向，提升 LLM 漏洞分析的准确性。

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。