Quand l'analyse de flux de données rencontre les grands modèles de langage

L'analyse de flux de données est une technique puissante d'analyse de code qui raisonne sur les dépendances entre les valeurs du programme, offrant un support pour l'optimisation du code, la compréhension des programmes et la détection de bogues. Les approches existantes nécessitent la compilation réussie du programme en question et des personnalisations pour les applications en aval. Cet article présente LLMDFA, un cadre d'analyse de flux de données propulsé par LLM qui analyse des extraits de code arbitraires sans nécessiter d'infrastructure de compilation et synthétise automatiquement des applications en aval. Inspiré par l'analyse de flux de données basée sur un résumé, LLMDFA décompose le problème en trois sous-problèmes, qui sont efficacement résolus par plusieurs stratégies essentielles, dont le prompting few-shot en chaîne de pensée et la synthèse d'outils. Notre évaluation a montré que la conception peut atténuer les hallucinations et améliorer la capacité de raisonnement, obtenant une haute précision et un bon rappel dans la détection de bogues liés au flux de données sur des programmes de référence, surpassant des outils (classiques) à la pointe, incluant un analyseur industriel très récent.