MACAA：用于代码作者验证的信念修正多代理推理

代码作者归属 (CAA) 支持软件取证、抄袭检测和知识产权保护。然而，现有的监督 CAA 方法受到训练数据稀缺和封闭世界假设的困扰：它们需要来自固定候选作者集的足够标记代码，使得在低数据情况下的训练变得困难，并且对于具有未见样本的开放世界测试对或异构代码对的预测不可靠。 大语言模型 删除了特定于任务的训练，但直接提示依赖于昂贵的专家设计的提示，可能会对复杂的异构代码对产生幻觉，并且很少产生可审计的证据痕迹。我们提出了 MACAA，一种基于信念修正的多代理框架，用于 无需训练 代码作者身份验证。 MACAA 由一名协调员和四名专家代理组成，负责分析布局、词汇、句法和编程模式证据。协调器收集专家信号以进行扩展，通过收缩来消除不可靠的证据，并通过修正来解决冲突以保持信念的一致性，用可审计的假设细化取代直接的 LLM 判断。 MACAA 在同语言基准测试中获得 89.15% F1，在混合跨语言对上获得 80.00% F1，在同语言和跨语言评估中总体表现优于基线。