SoK：AI 安全代码生成的进展、陷阱与前进路径

这篇 SoK 论文提出一个三层框架，系统梳理 AI 安全代码生成的进展、问题与改进路径，并在覆盖函数级和完整 Web 应用安全的基准上评估多个模型与编码 Agent。框架分别衡量模型对安全编码原则的自然语言理解、生成代码时对这些原则的代码层落实，以及理解与落实之间的差距。结果显示，对安全编码原则的理解是功能正确性、安全性和功能安全联合正确性的统计上较强的预测因子，但模型仍存在明显的知识到落实差距，能识别相关原则却未必能生成安全且功能正确的代码。作者据此提出原则引导的生成、评测、基准构建和 Agent 工作流等方向。