AIGCodeSet：用于 AI 生成代码检测的新型标注数据集
软件工程
2025-05-27 v3 人工智能
摘要
虽然大型语言模型为软件开发提供了显著便利，但可能导致在面试和学生作业中出现的伦理问题。因此，确定代码是由人类编写还是由人工智能 (AI) 模型生成是一个关键问题。本研究提出了 AIGCodeSet 数据集，包含 2828 个 AI 生成的和 4755 个人类编写的 Python 代码，分别使用 CodeLlama 34B、Codestral 22B 和 Gemini 1.5 Flash 生成。此外，我们分享了使用基线检测方法进行实验的结果。我们的实验显示，贝叶斯分类器优于其他模型。
引用
@article{arxiv.2412.16594,
title = {AIGCodeSet: A New Annotated Dataset for AI Generated Code Detection},
author = {Basak Demirok and Mucahid Kutlu},
journal= {arXiv preprint arXiv:2412.16594},
year = {2025}
}