用证据引导推理提示缓解代码异味检测中的大模型迎合偏差

该论文系统研究大模型在代码异味检测中的迎合偏差，测试确认式偏见、矛盾提示和错误前提等场景。基于MLCQ数据集，模型决策翻转率最高达72%，错误对齐率超过90%；提出证据引导去偏提示EGDP后，相关指标最低分别降至12%和21%。