Dream团队提出SALSA方法：单次推理即可检测AI生成代码

随着大语言模型在代码生成领域的广泛应用，AI生成代码的检测成为维护学术诚信和软件信任的关键挑战。SemEval-2026国际语义评测第13任务A子任务聚焦于此，要求对代码片段进行二元分类，并特别强调模型在未见过的编程语言和应用领域上的泛化能力。

来自Dream团队的研究者提出创新性的SALSA方法（单次自回归大语言模型结构化分类）。该方法为每个检测类别分配专用输出标记，训练模型在结构化响应中仅输出单个标记作为判断结果。这种设计将代码作者身份的判定权完全交给模型自身，无需依赖人工设计的特征或决策规则。

为提升模型在分布外场景的鲁棒性，团队采用多语言平衡采样策略，结合参数高效微调技术，并通过保守训练设置（低学习率、单轮训练）避免对训练域的过拟合。在官方评测中，该方法取得0.789的F1分数，显著优于CodeBERT基线模型的0.305分，展现出强大的跨语言泛化能力。该研究为AI生成内容检测提供了新的技术思路。