LLMs : Le succès inattendu du classement de documents

Cet article soutient que les grands modèles de langage (LLM) peuvent être utilisés efficacement pour le classement de documents par liste, et que, de manière surprenante, certains problèmes complexes peuvent être résolus en les transformant en problèmes de classement de documents. L'auteur le démontre en utilisant la comparaison de correctifs pour localiser les vulnérabilités de type N-day. En reformulant le problème comme le classement des différences (documents) en fonction de leur pertinence par rapport à un avis de sécurité (requête), les LLM peuvent identifier efficacement la fonction spécifique qui corrige une vulnérabilité. Cette technique a été validée lors de plusieurs conférences sur la sécurité et peut être appliquée à d'autres problèmes de sécurité, tels que la sélection et la priorisation des cibles de fuzzing. Les améliorations futures comprennent l'analyse des résultats classés et la génération de preuves vérifiables, telles que la génération automatique d'exploits de preuve de concept testables.