LLMs: O Sucesso Inesperado do Ranking de Documentos

Este artigo argumenta que os Grandes Modelos de Linguagem (LLMs) podem ser usados efetivamente para classificação de documentos em lista e que, surpreendentemente, alguns problemas complexos podem ser resolvidos transformando-os em problemas de classificação de documentos. O autor demonstra isso usando a comparação de patches para localizar vulnerabilidades de N dias. Reformulando o problema como classificação de diferenças (documentos) por sua relevância a um aviso de segurança (consulta), os LLMs podem identificar eficientemente a função específica que corrige uma vulnerabilidade. Essa técnica foi validada em várias conferências de segurança e pode ser aplicada a outros problemas de segurança, como a seleção e priorização de alvos de fuzzing. Melhorias futuras incluem analisar os resultados classificados e gerar evidências verificáveis, como gerar automaticamente exploits de prova de conceito testáveis.