利用大语言模型增强指针分析中的语义理解
软件工程
2025-09-01 v1
摘要
指针分析研究已有四十多年。然而，现有框架仍然存在错误事实的传播问题。其主要局限性源于对代码语义理解不足，导致对用户自定义函数的处理过于保守。近期大语言模型（LLM）的进展为弥合这一差距提供了新机会。本文提出了 LMPA（LLM增强指针分析），一种将LLM集成到指针分析中以提升精度和可扩展性的愿景。LMPA识别与系统API相似的用户自定义函数，并据此进行建模，从而缓解错误的跨调用上下文传播。此外，它通过推断初始指向集并引入一种以自然语言增强的新颖摘要策略来提高基于摘要的分析。最后，我们讨论了实现这一愿景所涉及的关键挑战。
引用
@article{arxiv.2508.21454,
title = {Enhancing Semantic Understanding in Pointer Analysis using Large Language Models},
author = {Baijun Cheng and Kailong Wang and Ling Shi and Haoyu Wang and Yao Guo and Ding Li and Xiangqun Chen},
journal= {arXiv preprint arXiv:2508.21454},
year = {2025}
}
备注
Accepted by LMPL 2025