Newest papers

From Tokens to Files: Multi-Granularity Detection and Localization of AI-Involved Code

Yue Xu, Xiyang Wang, Hui Liu, Bolei He · 2026 · arXiv

DOI: 10.48550/arXiv.2610.27863 · open-access PDF

Portuguese

O uso crescente de grandes modelos de linguagem para a geração de código requer métodos que distinguam o código puramente escrito pelo homem do código envolvido na IA: arquivos em que qualquer parte, por menor que seja, foi gerada ou substancialmente modificada por um modelo. Além de marcar tais arquivos, pretendemos localizar as linhas ou blocos atribuíveis à IA. As abordagens existentes compactam um arquivo em uma única pontuação, a partir de características estilísticas de superfície ou de uma representação global de código, que media a evidência quando apenas alguns blocos estão envolvidos na IA. Proponemos um quadro que modela a autoria da IA no nível do token e predique

Machine translation (Meta M2M100); the English original follows.

Abstract

The increasing use of large language models for code generation calls for methods that distinguish purely human-written code from AI-involved code: files in which any part, however small, was generated or substantially modified by a model. Beyond flagging such files, we aim to localize the lines or blocks attributable to AI. Existing approaches compress a file into a single score, from surface stylistic features or a global code representation, which averages away the evidence when only a few blocks are AI-involved. We propose a framework that models AI authorship at the token level and predic

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange