利用 MPI 突变进行 AI 错误检测
原标题：Harnessing MPI mutations for AI error detection
AI 摘要
该论文提出了一种名为 MPI Mutated Dataset (MMD) 的新数据集，通过从数千个开源 GitHub 项目中提取 MPI 程序并注入合成代码突变来模拟开发者错误。研究者利用该数据集训练了基于 AST-T5 嵌入的紧凑多层感知机（MLP）模型，在检测多种 MPI 错误（如 CallOrdering、InvalidParameter）上达到了最高 92.0% 的准确率，部分场景下优于专家提示的 Qwen-3 Coder LLM 和动态验证工具。此外，对 Claude Sonnet 4.5 的评估显示，工程化提示可将 InvalidParameter 检测准确率从 84.8% 提升至 93.6%，超越动态工具 ITAC（87.0%），完整智能体流程在 MBB 上实现了 73.9% 的多类准确率和 87.6% 的错误检测召回率。
正文节选
[Page 1] Harnessing MPI mutations for AI error detection Asia Auville Tim Jammer Eric Petit asia.auville@inria.fr tim.jammer@tu-darmstadt.de eric.petit@intel.com Inria Technische Universität Darmstadt Intel Bordeaux, France Darmstadt, Germany Hillsboro, Oregon, USA P