CodeTD：注意力拓扑检测代码 LLM 中的幻觉

随着人工智能代码辅助工具的普及，自动评估生成代码的正确性成为一项重大挑战。代码LLM容易产生幻觉，这可能导致代码不能解决所需的问题，甚至导致代码存在严重的安全漏洞。在本文中，我们介绍了 CodeTD——第一种基于代码 LLM 注意力图的拓扑数据分析 (TDA) 执行前评估代码正确性的方法。我们的方法使用注意图的拓扑模式来量化提示生成不匹配。我们使用常见基准测试（HumanEval、MBPP、BigCodeBench、MultiPL-E）、5 种编程语言和 10 个大小高达 34B 参数的代码 LLM 进行实验。实验结果表明，所提出的方法优于最近的基线。此外，CodeTD 可以在编码基准之间转移。