Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Jan 18, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
03:14

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

1.0K

Modelado de contexto de largo alcance para la detección de vulnerabilidades de software mediante un enfoque basado en

Yinhu Zhao1, Guanjun Lin2,3, Zhenxuan Liao4,5

  • 1School of Electronic, Electrical Engineering and Physics, Fujian University of Technology, Fuzhou, Fujian, 350118, China.

Scientific reports
|January 16, 2026
PubMed
Resumen

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Adaptive Differentiated Parrot Optimization: A Multi-Strategy Enhanced Algorithm for Global Optimization with Wind Power Forecasting Applications.

Biomimetics (Basel, Switzerland)·2025
Same author

Quantification of uncertainty in short-term tropospheric column density risks for a wide range of carbon monoxide.

Journal of environmental management·2024
Same author

Identification of surface urban heat versus cool islands for arid cities depends on the choice of urban and rural definitions.

The Science of the total environment·2024
Same author

Surface plasmon enhanced photochemical etching of p-type GaP: a direct demonstration of wavelength selectivity.

Physical chemistry chemical physics : PCCP·2014
Same journal

Turbulent flow in a vortex separator with a directed pipe inlet.

Scientific reports·2026
Same journal

Systematic characteristic evaluation of clay-based cementitious material derived from calcium carbide residue and waste tile powder.

Scientific reports·2026
Same journal

Retraction Note: Improvement of a rapid diagnostic application of monoclonal antibodies against avian influenza H7 subtype virus using Europium nanoparticles.

Scientific reports·2026
Same journal

Applying large language models to spam detection in the Kazakh low-resource language setting.

Scientific reports·2026
Same journal

An open-source 3D printing system enabling in-situ freeze-thaw processing of hydrogels.

Scientific reports·2026
Same journal

An enhanced EfficientNet framework for automated waste classification using cosine annealing and label smoothing.

Scientific reports·2026
Ver todos los artículos relacionados
Este resumen es generado por máquina.

XLNetVD mejora la detección de vulnerabilidades de software utilizando XLNet para capturar dependencias de código largas, superando a los modelos existentes con una puntuación F1 del 68%. Este marco ofrece una solución de vanguardia para identificar vulnerabilidades en el código.

Área de la Ciencia:

  • Ciberseguridad
  • Ingeniería de Software
  • Inteligencia Artificial

Sus antecedentes:

  • La detección de vulnerabilidades de software es crucial para la ciberseguridad.
  • Los enfoques basados en modelos de lenguaje (LM) son prometedores pero tienen dificultades con las dependencias de código de largo alcance.
  • Las arquitecturas Transformer tienen limitaciones para capturar el contexto extenso del código.

Objetivo del estudio:

  • Presentar XLNetVD, un marco basado en XLNet para la detección de vulnerabilidades a nivel de función.
  • Abordar las limitaciones de los modelos existentes en la captura de dependencias de código de largo alcance.
  • Evaluar la efectividad de XLNet para la detección de vulnerabilidades.

Principales métodos:

  • Se aprovechó un modelo Transformer-XL bidireccional para el modelado de contexto extendido.
Palabras clave:
Modelos de incrustación contextualMarco de detección de extremo a extremoCompresión de modelos LoRADetección de vulnerabilidades

Videos de Experimentos Relacionados

Last Updated: Jan 18, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
03:14

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

1.0K
  • Se comparó XLNet con seis modelos de incrustación contextuales y tres no contextuales.
  • Se integró XLNet en un marco de extremo a extremo, XLNetVD, y se aplicó el ajuste fino de Adaptación de Rango Bajo (LoRA).

    • Principales resultados:

    • XLNet logró la mejor puntuación F1 del 68%, superando a CodeBERT y GPT-2.
    • XLNet-LoRA demostró la mejor relación rendimiento-eficiencia entre los LM mejorados con LoRA.
    • XLNetVD mostró un rendimiento competitivo tanto en conjuntos de datos SARD desequilibrados del mundo real como equilibrados.

    Conclusiones:

    • XLNetVD se establece como una solución de vanguardia para la detección de vulnerabilidades de software.
    • El marco captura eficazmente las dependencias de código esenciales para identificar vulnerabilidades sutiles.
    • Los enfoques basados en XLNet ofrecen mejoras significativas con respecto a los métodos existentes basados en LM.