Uno stesso strumento che porta un modello linguistico dal 20% al 100% di accuratezza su dati sintetici può farlo crollare al 48,9% non appena incontra vulnerabilità reali. È questo il paradosso al centro di una nuova ricerca di Manuel Israel Cázares, depositata su arXiv il 16 luglio 2026, che mette alla prova l’iniezione di prior strutturali nel rilevamento di vulnerabilità nel codice sorgente — e trova esattamente il pattern già osservato nel ragionamento matematico formale.
Summary
Punti chiaveI prior strutturali migliorano il rilevamento sintetico di vulnerabilitàIncremento delle performance nei modelli testatiCategorie e complessità delle vulnerabilitàCalo di performance con la complessità semantica e dati realiDeterioramento zero-shot con complessità semanticaCrollo con dati reali fuori distribuzione CVERicalibrazione iterativa e l’ipotesi del router cross-domainDeterioramento della performance reale dopo ricalibrazioneConferma del fenomeno cross-domain routingRaccomandazioni e risorse aperteAddestramento distribuzione-consapevole come soluzioneCodice e script pubblici su GitHubFAQCosa sono i prior strutturali e come influenzano il rilevamento di vulnerabilità?Perché le performance crollano sui dati CVE reali nonostante i miglioramenti sui dati sintetici?Cos’è l’ipotesi del router e come viene confermata in questo studio?Quali soluzioni vengono proposte per mitigare il collasso delle performance?
