LLM 生成代码的拼凑问题

研究者提出 LLM 生成代码的拼凑问题，这类代码能编译、通过测试，却因各补丁局部成立而全局结构不一致，部署后才失效，例如引用项目中未声明的配置键、导入任何注册库都没有的包，或新路由遗漏同级端点都有的认证守卫。论文将结构一致性形式化为导入、调用、依赖、配置等仓库图表示上的一致性不变量，提出八类失败分类以区分 LLM 特有与仅被其放大的缺陷，并给出混合验证框架，为现有工具链覆盖不足的横切不变量部署专用检测器。在两个前沿模型、四种提示策略下的实证评估显示，绝大多数结构性失败完全逃过类型检查、测试和 SAST，失败模式在模型间存在质的差异；对真实世界 AI 生成代码仓库的外部验证确认这些失败普遍存在。