В работе исследуется повышение эффективности статического анализа кода путем интеграции больших языковых моделей (LLM). Традиционные методы статического анализа ограничены высоким числом ложных обнаружений уязвимостей и сложностью ручного описания спецификаций. Для решения этих ограничений проанализированы три архитектурных подхода к интеграции LLM: динамический вывод спецификаций для сторонних библиотек, автоматический синтез правил анализа на основе истории изменений программного кода и интеллектуальная постобработка для исключения ложных обнаружений.

Юров М.А. (науч. рук. Дергачев А.М.) Интеллектуальное обнаружение ошибок: обзор интеграции больших языковых моделей в статический анализ кода // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16743