近日，实验室博士生宛光华（导师万瑶副教授）的论文“Hallucinations in LLM-Based Code Summarization: Unveiling, Detection and Mitigation”被第34届ACM国际软件工程基础会议（The 34th ACM International Conference on the Foundations of Software Engineering, FSE 2026) 录用。

论文针对大语言模型在代码摘要任务中容易产生幻觉的问题，系统性地做了揭示、检测和缓解幻觉三个方面的工作。作者观察到模型在面对反常逻辑流时更容易暴露幻觉，因此通过构建一个专门的扰动数据集来揭示该问题，该数据集通过对代码进行扰动操作，以作为后续工作的靶点。基于此，论文提出了一种两阶段的幻觉检测方法。首先从代码实体（如变量、函数）的角度进行初步筛查，进而引入摘要语义同义替换来验证一致性，从而提升检测的准确率并降低误报。之后，通过将幻觉检测结果作为奖励信号引入流程，进一步设计了一种基于强化学习的无需重新训练模型的推理时干预策略，其核心是在生成过程中引导模型以句子为单位进行迭代输出，而非一次性生成完整段落，以此增强生成过程的约束，有效通过推理时搜索提升摘要的忠实度。

FSE是软件工程领域最重要的国际会议之一，与ICSE和ASE称为软件工程领域的“三大会”，属于中国计算机学会CCF A类会议。本届会议竞争异常激烈，共收到920篇投稿，录用210篇论文，录用率仅为22.8%。

（通讯员：宛光华）