查看“WikiEdge:ArXiv速递/2025-04-29”的源代码

== 摘要 ==
* '''原文标题'''：Refined Predictions for Starobinsky Inflation and Post-inflationary Constraints in Light of ACT
* '''中文标题'''：基于ACT观测对Starobinsky暴胀模型的精确预测及暴胀后约束
* '''发布日期'''：2025-04-29 13:36:14+00:00
* '''作者'''：Manuel Drees, Yong Xu
* '''分类'''：astro-ph.CO, hep-ph
*'''原文链接'''：http://arxiv.org/abs/2504.20757v1
'''中文摘要'''：摘要：[[阿塔卡马宇宙学望远镜]]（[[ACT]]）的最新测量数据结合[[普朗克卫星]]和[[DESI]]数据表明，[[谱指数]]$n_s$的数值有所升高。这使得在使用常规[[解析近似]]时，[[Starobinsky暴胀模型]]在$N_\star \approx 60$的[[电子折叠数]]情况下处于$2\sigma$约束边界。我们提出了超越常用解析近似的Starobinsky暴胀精细化预测，通过改进[[表达式评估模型]]，证明当$N_\star \gtrsim 60$时该模型仍符合当前$2\sigma$水平的观测约束。此外，我们研究了ACT结果对[[暴胀后再加热]]参数的启示，具体发现再加热期间有效[[状态方程]]参数的下限约为$\omega \gtrsim 0.462$——这排除了导致$\omega \simeq 0$的纯[[微扰再加热]]机制。在假设$\omega \leq 1$条件下，[[再加热温度]]被约束为$T_{\text{rh}} \lesssim 2 \times 10^{12}~\text{GeV}$。进一步研究表明，若再加热温度满足$4~\text{MeV} \lesssim T_{\text{rh}} \lesssim 10~\text{GeV}$且$0.8 \lesssim \omega \leq 1$，谱指数和[[张量-标量比]]的预测值可落在ACT最新约束的$1\sigma$范围内。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从生成到审查
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互记录，检验了[[ChatGPT]]生成代码的[[安全性]]，还评估了其发现和修复[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586段[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认[[漏洞]]的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给[[ChatGPT]]，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对响应内容和修改后的代码进行人工复审和[[漏洞]]重扫描后发现：[[ChatGPT]]成功检测出32个[[安全问题]]中的18个，修复了17个问题，但未能识别或修复其余[[漏洞]]。值得注意的是，其中仅10个[[漏洞]]源自用户提示，而22个是由[[ChatGPT]]自身引入的。我们向[[开发者]]强调：相比自主编写的代码，[[ChatGPT]]生成的代码更可能包含[[漏洞]]。此外，[[ChatGPT]]有时会以明显自信的态度报告错误信息，可能误导经验不足的[[开发者]]。研究结果证实了先前结论，表明[[ChatGPT]]在生成安全代码和识别所有[[漏洞]]方面均不够可靠，这凸显了[[静态扫描器]]和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从创建到审查
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互数据，检验了[[ChatGPT]]生成代码的[[安全性]]，还评估了[[ChatGPT]]发现并修复这些[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个已确认[[漏洞]]的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给[[ChatGPT]]，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对反馈内容和修改后的代码进行人工审查并重新扫描[[漏洞]]后发现：[[ChatGPT]]成功检测出32个[[安全问题]]中的18个，修复了17个问题，但未能识别或修复其余[[漏洞]]。值得注意的是，其中仅10个[[漏洞]]源自用户提示，而22个由[[ChatGPT]]自身引入。我们向[[开发者]]强调：相比自主编写的代码，[[ChatGPT]]生成的代码更可能包含[[漏洞]]。此外，[[ChatGPT]]有时会以明显自信的态度报告错误信息，可能误导经验不足的[[开发者]]。研究结果证实了先前结论，表明[[ChatGPT]]在生成安全代码或识别所有[[漏洞]]方面均不够可靠，这凸显了[[静态扫描器]]和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从创建到审查
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互数据，检验了[[ChatGPT]]生成代码的[[安全性]]，还评估了其发现和修复[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认[[漏洞]]的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给[[ChatGPT]]，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对响应内容和修改后的代码进行人工复审和[[漏洞]]重扫后，发现[[ChatGPT]]成功检测出32个[[安全问题]]中的18个，修复了17个问题，但未能识别或修复其余[[漏洞]]。值得注意的是，其中仅10个[[漏洞]]源自用户提示，而22个由[[ChatGPT]]自身引入。我们向[[开发者]]强调：相比自行编写的代码，[[ChatGPT]]生成的代码更可能包含[[漏洞]]。此外，[[ChatGPT]]有时会以明显自信的态度报告错误信息，可能误导经验不足的[[开发者]]。研究结果证实了先前结论，表明[[ChatGPT]]在生成安全代码和识别所有[[漏洞]]方面均不够可靠，这凸显了[[静态扫描器]]和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Binding of native DNA to MoS$_{2}$ nanoflakes: the role of defects and edge atoms of MoS$_{2}$ nanostructures in their biofunctionalization
* '''中文标题'''：天然DNA与MoS$_{2}$纳米片结合：MoS$_{2}$纳米结构缺陷及边缘原子在其生物功能化中的作用
* '''发布日期'''：2025-04-29 09:05:58+00:00
* '''作者'''：Alexander Glamazda, Evgeniya Usenko, Anastasiia Svidzerska, Vladimir Valeev, Igor Voloshin, Anna Laguta, Sergey Petrushenko, Stepan Stepanian, Ludwik Adamowicz, Victor Karachevtsev
* '''分类'''：physics.bio-ph
*'''原文链接'''：http://arxiv.org/abs/2504.20562v1
'''中文摘要'''：本研究通过[[紫外-可见吸收光谱]]、[[热变性法]]、[[透射电子显微镜]]([[TEM]])、温度依赖性[[动态光散射]]([[DLS]])以及[[DFT计算化学]]方法，探究了天然[[DNA]]与[[二硫化钼]]纳米片([[FLs]])的结合机制。实验数据分析表明：[[TEM]]图像和[[热变性]]测量结果证实了[[生物大分子]]与[[MoS$_{2}$]]纳米片的结合。[[DNA熔解温度]]升高及结合后[[增色系数]]降低的现象，表明[[DNA:MoS$_{2}$纳米组装体]]的形成主要源于[[DNA磷酸基团]]氧原子与[[MoS$_{2}$]]纳米片之间的[[共价相互作用]]。研究采用[[DFT]]方法对[[核苷酸片段]]([[核糖-磷酸基团]])与[[MoS$_{2}$]]纳米层的可能复合物进行了建模计算，优化了不同复合物结构并确定了组分间的[[相互作用能]]。计算特别关注该[[核苷酸片段]]与[[MoS$_{2}$]]纳米层边缘[[钼原子]]、以及含[[硫空位]]点缺陷结构的结合情况。结合计算与实验结果，提出了天然[[DNA]]与[[MoS$_{2}$]]纳米片的结合机制：其[[共轭过程]]始于[[DNA磷酸基团]]与[[钼原子]](边缘或缺陷位点)通过形成强[[配位键]]实现的点接触。研究结果揭示了[[MoS$_{2}$]]纳米片缺陷与边缘原子在其[[生物功能化]]中的关键作用。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从创建到审查
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互记录，检验了[[ChatGPT]]生成代码的[[安全性]]，还评估了其发现和修复[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认[[漏洞]]的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给[[ChatGPT]]，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对响应内容和修改后的代码进行人工复审和[[漏洞]]重扫后，发现[[ChatGPT]]成功检测出32个[[安全问题]]中的18个，修复了17个问题，但未能识别或修复其余[[漏洞]]。值得注意的是，其中仅10个[[漏洞]]源自用户提示，而22个由[[ChatGPT]]自身引入。我们向[[开发者]]强调：相比自主编写的代码，[[ChatGPT]]生成的代码更可能包含[[漏洞]]。此外，[[ChatGPT]]有时会以明显自信的态度报告错误信息，可能误导经验不足的[[开发者]]。研究结果证实了先前结论：[[ChatGPT]]在生成安全代码和识别所有[[漏洞]]方面均不够可靠，这凸显了[[静态扫描器]]和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从生成到检测
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互记录，检验了ChatGPT生成代码的安全性，还评估了其发现和修复[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认漏洞的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给ChatGPT，要求其检测安全问题、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对反馈的修改代码进行人工复审和漏洞重扫描后发现：ChatGPT成功检测出32个安全问题中的18个，修复了17个问题，但未能识别或修复其余漏洞。值得注意的是，其中仅10个漏洞源自用户提示，而22个由ChatGPT自身引入。我们向开发者强调：相比自主编写的代码，ChatGPT生成的代码更可能包含漏洞。此外，ChatGPT有时会以明显自信的态度报告错误信息，可能误导经验不足的开发者。本研究证实了先前结论：ChatGPT在生成安全代码和识别所有漏洞方面均不够可靠，这凸显了静态扫描器和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从创建到审查
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互记录，检验了[[ChatGPT]]生成代码的安全性，还评估了其发现和修复[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认漏洞的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给[[ChatGPT]]，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对响应内容和修改后的代码进行人工审查并重新扫描漏洞后发现：[[ChatGPT]]成功检测出32个安全问题中的18个，修复了17个问题，但未能识别或修复其余漏洞。值得注意的是，其中仅10个漏洞源自用户提示，而22个由[[ChatGPT]]自身引入。我们向开发者强调：相比自行编写的代码，[[ChatGPT]]生成的代码更可能包含漏洞。此外，[[ChatGPT]]有时会以明显自信的态度报告错误信息，可能误导经验不足的开发者。研究结果证实了先前结论，即[[ChatGPT]]在生成安全代码和识别所有漏洞方面均不够可靠，这凸显了[[静态扫描器]]和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从生成到审查
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互记录，检验了[[ChatGPT]]生成代码的[[安全性]]，还评估了其发现和修复[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认[[漏洞]]的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给[[ChatGPT]]，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对响应内容和修改后的代码进行人工复审和[[漏洞]]重扫后，发现[[ChatGPT]]成功检测出32个[[安全问题]]中的18个，修复了17个问题，但未能识别或修复其余[[漏洞]]。值得注意的是，其中仅10个[[漏洞]]源自用户提示，而22个由[[ChatGPT]]自身引入。我们向[[开发者]]强调：相比自主编写的代码，[[ChatGPT]]生成的代码更可能包含[[漏洞]]。此外，[[ChatGPT]]有时会以明显自信的态度报告错误信息，可能误导经验不足的[[开发者]]。研究结果证实了先前结论：[[ChatGPT]]在生成安全代码和识别所有[[漏洞]]方面均不够可靠，这凸显了[[静态扫描器]]和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Secure Coding with AI, From Creation to Inspection
* '''中文标题'''：基于人工智能的安全编码：从生成到检测
* '''发布日期'''：2025-04-29 14:30:14+00:00
* '''作者'''：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
* '''分类'''：cs.SE, cs.CR
*'''原文链接'''：http://arxiv.org/abs/2504.20814v1
'''中文摘要'''：摘要：尽管先前研究已探讨过[[ChatGPT]]等[[大型语言模型]]生成[[代码]]的[[安全性]]，但这些研究均在受控实验环境下进行，并未使用实际[[开发者]]交互中生成或提供的代码。本文不仅基于[[DevGPT]]数据集中整理的开发者真实交互记录，检验了ChatGPT生成代码的安全性，还评估了ChatGPT发现并修复这些[[漏洞]]的能力。我们使用[[静态扫描器]]分析了1,586个[[C]]、[[C++]]和[[C#]]代码片段，在124个文件中检测到潜在问题。经人工分析后，筛选出包含32个确认漏洞的26个文件进行深入研究。通过[[OpenAI API]]将这些文件提交给ChatGPT，要求其检测[[安全问题]]、识别对应的[[通用缺陷枚举]]编号并提出修复方案。对响应内容和修改后的代码进行了人工复审和漏洞重扫。ChatGPT成功检测出32个安全问题中的18个，修复了17个问题，但未能识别或修复其余漏洞。值得注意的是，其中仅10个漏洞源自用户提示，而22个是由ChatGPT自身引入的。我们向开发者强调：相比自行编写的代码，ChatGPT生成的代码更可能包含漏洞。此外，ChatGPT有时会以明显自信的态度报告错误信息，可能误导经验不足的开发者。研究结果证实了先前结论：ChatGPT在生成安全代码或识别所有漏洞方面尚不足够可靠，这凸显了静态扫描器和人工审查的持续重要性。

== 摘要 ==
* '''原文标题'''：Warehouse storage and retrieval optimization via clustering, dynamic systems modeling, and GPU-accelerated routing
* '''中文标题'''：基于聚类、动态系统建模和GPU加速路径规划的仓储优化
* '''发布日期'''：2025-04-29 11:27:41+00:00
* '''作者'''：Magnus Bengtsson, Jens Wittsten, Jonas Waidringer
* '''分类'''：math.OC, cs.DS, math.DS
*'''原文链接'''：http://arxiv.org/abs/2504.20655v1
'''中文摘要'''：本文提出一种旨在提升产品存储与检索效率的[[仓库优化]]方案。通过将产品位置与[[订单流]]表示为[[时变图]]结构，我们采用[[无监督聚类]]技术定义并优化紧凑订单区域，从而有效缩短[[拣货距离]]。该方案采用基于[[随机动力系统]]理论的动态[[数学模型]]进行描述，使得系统在[[随机操作]]波动下的长期行为能够被原理性分析。在此框架内，我们实现并行化的[[Bellman-Ford算法]]进行[[路径规划]]，利用[[GPU加速]]高效评估路径段。针对大规模[[路径图]]固有的[[可扩展性]]挑战，我们提出一种在保持性能的同时控制[[内存需求]]的[[图分割]]策略。实验结果表明，该方案在大型[[仓库环境]]中能显著提升[[运营效率]]与[[计算可行性]]。