論文の概要: When Static Reachability Says No: Checking Joern-Based Negative Verdicts for Python Against Execution

• arxiv url: http://arxiv.org/abs/2610.39504v1
• Date: Thu, 29 Oct 2026 07:05:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 23:40:31.241126
• Title: When Static Reachability Says No: Checking Joern-Based Negative Verdicts for Python Against Execution
• Title（参考訳）: Static Reachability氏がノーと言う時: PythonのJoernベースの否定的な判断が実行に反する
• Abstract要約: SemLenの結果をPythonプログラムのコールグラフにマップします。 アシネマでは、4つの欠落したエッジが113の関数のうち50を到達可能にしている。 負の評決を未知の評決に変換する規則は、おもにダンダーとプライベートメソッド名を通じて、19の113と15のうち62を回復させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A negative reachability verdict removes a finding from human review. We check such verdicts against execution. Our pipeline, SourceLens, maps Semgrep findings to a Python program's call graph, whose edges a query takes from the calls that Joern links in its code property graph. We ran two command-line programs from the PyCG macro-benchmark, in which the benchmark's manual call graph and Joern disagree, under coverage and recorded the calls between their functions. On these edges, 123 functions of asciinema are unreachable from the program's entry points. The project's own integration script executes 86 of them, and all our runs 113. In Sublist3r, 19 of 24 are executed. The latest Joern release gives the same verdicts. The missing calls go through values, such as classes and functions passed around, or have no call expression, as in with blocks and property reads. In asciinema, four missing edges make 50 of the 113 executed functions reachable. The manual call graphs also lack observed calls, in asciinema many of them property reads and with blocks, which the benchmark may not count as calls. A rule that turns negative verdicts into unknown recovers 62 of the 113 and 15 of the 19, mostly through dunder and private method names. It recovers 0 of the 5 security findings with a negative verdict, all in executed functions. Its selectivity cannot be measured, as only 10 and 5 negative verdicts were not executed, and under library entry-point models it degrades every negative verdict.
• Abstract（参考訳）: 負の到達可能性判定は、人間のレビューから発見を除去する。 我々はそのような評決を執行に対して確認する。 私たちのパイプラインであるSourceLensは、Semgrepの結果をPythonプログラムのコールグラフにマッピングします。 PyCGマクロベンチマークから2つのコマンドラインプログラムを実行し、ベンチマークのマニュアルコールグラフとJoernは、カバレッジの下で、それらの関数間のコールを記録しました。 これらのエッジでは、アシネマの123の関数はプログラムのエントリポイントから到達できない。 プロジェクトの独自の統合スクリプトは86のスクリプトを実行し、当社のすべてのスクリプトは113を実行しています。 サブリスト3rでは、24のうち19が実行される。 Joernの最新リリースも同様の評決を下している。 欠落した呼び出しは、ブロックやプロパティの読み込みのように、クラスや関数が渡される、あるいは呼び出し表現がないといった値を通過します。 アシネマでは、4つの欠落したエッジが113の関数のうち50を到達可能にしている。 手動のコールグラフにも観測された呼び出しがなく、asciinemaではプロパティの読み込みやブロックがあるが、ベンチマークでは呼び出しとしてカウントできない。 負の評決を未知の評決に変換する規則は、おもにダンダーとプライベートメソッド名を通じて、19の113と15のうち62を回復させる。 5つのセキュリティ結果の0を負の判定で復元する。 10と5の負の判定しか実行されず、図書館のエントリーポイントモデルでは、全ての負の判定を劣化させるため、その選択性は測定できない。

関連論文リスト

• FrontierCS 2: A Benchmark for Computer Science R&D [127.13977721494204]
  我々は48のオープンエンドタスクのベンチマークであるFrontierCS 2を紹介する。 私たちは、論文とその著者がリリースしたコードを取り、論文の貢献を削除します。 それぞれのパッチに対して、審査員は開発適格スコアを返すが、評価者、保持された最終スイート、参照プライベートを保持する。
  論文  参考訳（メタデータ） (2026-10-21T16:04:27Z)
• CPyGraph: A Version-Aware Static Analysis Framework for Native CPython Bytecode [7.13396930901845]
  CPythonバイトコードのパッケージレベル解析のためのC++フレームワークであるCPyGraphを提案する。 バージョン固有のアダプタは、スタック、コントロール、コール、レキシカル、プロトコル、例外セマンティクスを共有インターフェースを通じて公開する。 CPyGraphをPYGBench,201のパッケージレベルプログラム,1,733の固定候補を用いて評価した。
  論文  参考訳（メタデータ） (2026-09-18T21:25:42Z)
• Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
  Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。 Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。 500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
  論文  参考訳（メタデータ） (2026-08-01T18:25:00Z)
• JailbreakBench: An Open Robustness Benchmark for Jailbreaking Large Language Models [123.66104233291065]
  ジェイルブレイク攻撃は、大きな言語モデル(LLM)が有害、非倫理的、またはその他の不快なコンテンツを生成する原因となる。 これらの攻撃を評価することは、現在のベンチマークと評価テクニックの収集が適切に対処していない、多くの課題を提示します。 JailbreakBenchは、以下のコンポーネントを備えたオープンソースのベンチマークである。
  論文  参考訳（メタデータ） (2024-03-28T02:44:02Z)
• A Static Evaluation of Code Completion by Large Language Models [65.18008807383816]
  単純なプログラミング問題に対するモデル生成コードの機能的正当性を評価するために,実行ベースベンチマークが提案されている。 プログラムを実行せずにエラーを検出するlinterのような静的解析ツールは、コード生成モデルを評価するために十分に研究されていない。 抽象構文木を利用して,Pythonのコード補完における静的エラーを定量化する静的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-05T19:23:34Z)
• LExecutor: Learning-Guided Execution [21.417049430066616]
  本稿では,任意のコードスニペットを制約の少ない方法で実行するための学習誘導型LExecutorを提案する。 キーとなるアイデアは、プログラムが立ち往生する原因となる欠落した値をニューラルモデルに予測させ、これらの値を実行に注入することです。 我々は、人気のあるオープンソースプロジェクトからのPythonコードに対するアプローチと、Stack Overflowから抽出されたコードスニペットについて評価する。
  論文  参考訳（メタデータ） (2023-02-05T09:12:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。