文章主要内容总结
本文针对大型语言模型（LLMs）在多语言软件漏洞修复中的表现开展了大规模实证研究，核心内容如下：
- 研究背景：现有基于深度学习的漏洞修复方法多局限于C/C++语言，而LLMs具备语言无关性和强语义理解能力，有望突破这一限制，但目前其在多语言漏洞修复中的有效性尚未被充分探索。
- 研究设计：基于多语言漏洞数据集REEF（涵盖7种编程语言：C、C#、C++、Go、JavaScript、Java、Python，含4466个CVE和30987个补丁），设计了四个研究问题，评估现有自动漏洞修复（AVR）技术、预训练语言模型（PLMs）和LLMs的表现。
- 核心发现：
- 在现有AVR和PLM技术中，VulMaster表现最佳，精确匹配（EM）分数为28.94%。
- 经指令微调并结合少样本提示的GPT-4o表现最优（EM分数28.71%），与VulMaster竞争力相当。
- 所有模型在Go语言上修复效果最佳，在C/C++上最差。
- LLM在修复独特漏洞和最危险漏洞（基于2023年CWE Top 25）方面更具优势，且对未见过的TypeScript漏洞泛化能力更强。
- LLM修复失败的主要原因是错误定位。
文章创新点
- 首次系统性研究：首个针对多语言漏洞修复场景，系统评估现有AVR技术、P