大型语言模型虽然功能强大，但会继承训练数据中的缺陷。Sonar 正与人工智能实验室及企业组织合作，训练针对成本、性能、质量和安全性进行优化的专用编码模型。

如需进一步了解我们的方法论和研究成果：

• 探索我们专为生成高质量 Java 代码而优化的 GPT-OSS 微调版本。通过使用 SonarSweep 优化训练数据集，生成的模型成功生成代码，与基础模型相比，其缺陷和安全漏洞减少了 41%——且完全没有牺牲功能性编码性能。
• 观看我们的视频指南，如何使用 SonarSweep 改进 AI 生成的代码 | Sonar
• 阅读我们关于评估大型语言模型的研究报告，《评估 AI 生成的代码质量与安全性：定量分析》