WikiEdge:ArXiv速遞/2025-04-29

摘要

• 原文標題：Refined Predictions for Starobinsky Inflation and Post-inflationary Constraints in Light of ACT
• 中文標題：基於ACT觀測對Starobinsky暴脹模型的精確預測及暴脹後約束
• 發佈日期：2025-04-29 13:36:14+00:00
• 作者：Manuel Drees, Yong Xu
• 分類：astro-ph.CO, hep-ph
• 原文連結：http://arxiv.org/abs/2504.20757v1

中文摘要：摘要：阿塔卡馬宇宙學望遠鏡（ACT）的最新測量數據結合普朗克衛星和DESI數據表明，譜指數$n_s$的數值有所升高。這使得在使用常規解析近似時，Starobinsky暴脹模型在$N_\star \approx 60$的電子摺疊數情況下處於$2\sigma$約束邊界。我們提出了超越常用解析近似的Starobinsky暴脹精細化預測，通過改進表達式評估模型，證明當$N_\star \gtrsim 60$時該模型仍符合當前$2\sigma$水平的觀測約束。此外，我們研究了ACT結果對暴脹後再加熱參數的啟示，具體發現再加熱期間有效狀態方程參數的下限約為$\omega \gtrsim 0.462$——這排除了導致$\omega \simeq 0$的純微擾再加熱機制。在假設$\omega \leq 1$條件下，再加熱溫度被約束為$T_{\text{rh}} \lesssim 2 \times 10^{12}~\text{GeV}$。進一步研究表明，若再加熱溫度滿足$4~\text{MeV} \lesssim T_{\text{rh}} \lesssim 10~\text{GeV}$且$0.8 \lesssim \omega \leq 1$，譜指數和張量-標量比的預測值可落在ACT最新約束的$1\sigma$範圍內。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從生成到審查
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互記錄，檢驗了ChatGPT生成代碼的安全性，還評估了其發現和修復漏洞的能力。我們使用靜態掃描器分析了1,586段C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對響應內容和修改後的代碼進行人工覆審和漏洞重掃描後發現：ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個是由ChatGPT自身引入的。我們向開發者強調：相比自主編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論，表明ChatGPT在生成安全代碼和識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從創建到審查
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互數據，檢驗了ChatGPT生成代碼的安全性，還評估了ChatGPT發現並修復這些漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個已確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對反饋內容和修改後的代碼進行人工審查並重新掃描漏洞後發現：ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個由ChatGPT自身引入。我們向開發者強調：相比自主編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論，表明ChatGPT在生成安全代碼或識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從創建到審查
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互數據，檢驗了ChatGPT生成代碼的安全性，還評估了其發現和修復漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對響應內容和修改後的代碼進行人工覆審和漏洞重掃後，發現ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個由ChatGPT自身引入。我們向開發者強調：相比自行編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論，表明ChatGPT在生成安全代碼和識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Binding of native DNA to MoS$_{2}$ nanoflakes: the role of defects and edge atoms of MoS$_{2}$ nanostructures in their biofunctionalization
• 中文標題：天然DNA與MoS$_{2}$納米片結合：MoS$_{2}$納米結構缺陷及邊緣原子在其生物功能化中的作用
• 發佈日期：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
• 分類：physics.bio-ph
• 原文連結：http://arxiv.org/abs/2504.20562v1

中文摘要：本研究通過紫外-可見吸收光譜、熱變性法、透射電子顯微鏡(TEM)、溫度依賴性動態光散射(DLS)以及DFT計算化學方法，探究了天然DNA與二硫化鉬納米片(FLs)的結合機制。實驗數據分析表明：TEM圖像和熱變性測量結果證實了生物大分子與[[MoS$_{2}$]]納米片的結合。DNA熔解溫度升高及結合後增色係數降低的現象，表明[[DNA:MoS$_{2}$納米組裝體]]的形成主要源於DNA磷酸基團氧原子與[[MoS$_{2}$]]納米片之間的共價相互作用。研究採用DFT方法對核苷酸片段(核糖-磷酸基團)與[[MoS$_{2}$]]納米層的可能複合物進行了建模計算，優化了不同複合物結構並確定了組分間的相互作用能。計算特別關注該核苷酸片段與[[MoS$_{2}$]]納米層邊緣鉬原子、以及含硫空位點缺陷結構的結合情況。結合計算與實驗結果，提出了天然DNA與[[MoS$_{2}$]]納米片的結合機制：其共軛過程始於DNA磷酸基團與鉬原子(邊緣或缺陷位點)通過形成強配位鍵實現的點接觸。研究結果揭示了[[MoS$_{2}$]]納米片缺陷與邊緣原子在其生物功能化中的關鍵作用。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從創建到審查
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互記錄，檢驗了ChatGPT生成代碼的安全性，還評估了其發現和修復漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對響應內容和修改後的代碼進行人工覆審和漏洞重掃後，發現ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個由ChatGPT自身引入。我們向開發者強調：相比自主編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論：ChatGPT在生成安全代碼和識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從生成到檢測
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互記錄，檢驗了ChatGPT生成代碼的安全性，還評估了其發現和修復漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對反饋的修改代碼進行人工覆審和漏洞重掃描後發現：ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個由ChatGPT自身引入。我們向開發者強調：相比自主編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。本研究證實了先前結論：ChatGPT在生成安全代碼和識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從創建到審查
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互記錄，檢驗了ChatGPT生成代碼的安全性，還評估了其發現和修復漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對響應內容和修改後的代碼進行人工審查並重新掃描漏洞後發現：ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個由ChatGPT自身引入。我們向開發者強調：相比自行編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論，即ChatGPT在生成安全代碼和識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從生成到審查
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互記錄，檢驗了ChatGPT生成代碼的安全性，還評估了其發現和修復漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對響應內容和修改後的代碼進行人工覆審和漏洞重掃後，發現ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個由ChatGPT自身引入。我們向開發者強調：相比自主編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論：ChatGPT在生成安全代碼和識別所有漏洞方面均不夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Secure Coding with AI, From Creation to Inspection
• 中文標題：基於人工智能的安全編碼：從生成到檢測
• 發佈日期：2025-04-29 14:30:14+00:00
• 作者：Vladislav Belozerov, Peter J Barclay, Ashkan Sami
• 分類：cs.SE, cs.CR
• 原文連結：http://arxiv.org/abs/2504.20814v1

中文摘要：摘要：儘管先前研究已探討過ChatGPT等大型語言模型生成代碼的安全性，但這些研究均在受控實驗環境下進行，並未使用實際開發者交互中生成或提供的代碼。本文不僅基於DevGPT數據集中整理的開發者真實交互記錄，檢驗了ChatGPT生成代碼的安全性，還評估了ChatGPT發現並修復這些漏洞的能力。我們使用靜態掃描器分析了1,586個C、C++和C#代碼片段，在124個文件中檢測到潛在問題。經人工分析後，篩選出包含32個確認漏洞的26個文件進行深入研究。通過OpenAI API將這些文件提交給ChatGPT，要求其檢測安全問題、識別對應的通用缺陷枚舉編號並提出修複方案。對響應內容和修改後的代碼進行了人工覆審和漏洞重掃。ChatGPT成功檢測出32個安全問題中的18個，修復了17個問題，但未能識別或修復其餘漏洞。值得注意的是，其中僅10個漏洞源自用戶提示，而22個是由ChatGPT自身引入的。我們向開發者強調：相比自行編寫的代碼，ChatGPT生成的代碼更可能包含漏洞。此外，ChatGPT有時會以明顯自信的態度報告錯誤信息，可能誤導經驗不足的開發者。研究結果證實了先前結論：ChatGPT在生成安全代碼或識別所有漏洞方面尚不足夠可靠，這凸顯了靜態掃描器和人工審查的持續重要性。

摘要

• 原文標題：Warehouse storage and retrieval optimization via clustering, dynamic systems modeling, and GPU-accelerated routing
• 中文標題：基於聚類、動態系統建模和GPU加速路徑規劃的倉儲優化
• 發佈日期：2025-04-29 11:27:41+00:00
• 作者：Magnus Bengtsson, Jens Wittsten, Jonas Waidringer
• 分類：math.OC, cs.DS, math.DS
• 原文連結：http://arxiv.org/abs/2504.20655v1

中文摘要：本文提出一種旨在提升產品存儲與檢索效率的倉庫優化方案。通過將產品位置與訂單流表示為時變圖結構，我們採用無監督聚類技術定義並優化緊湊訂單區域，從而有效縮短揀貨距離。該方案採用基於隨機動力系統理論的動態數學模型進行描述，使得系統在隨機操作波動下的長期行為能夠被原理性分析。在此框架內，我們實現並行化的Bellman-Ford算法進行路徑規劃，利用GPU加速高效評估路徑段。針對大規模路徑圖固有的可擴展性挑戰，我們提出一種在保持性能的同時控制內存需求的圖分割策略。實驗結果表明，該方案在大型倉庫環境中能顯著提升運營效率與計算可行性。