通过代码风格证明Claude认识你：Author2Vec
Author2Vec是一种能够根据代码风格识别开发者的技术，它通过分析编程习惯、编码模式等特征，将每位开发者独特的代码风格转化为向量表示。该技术证明了像Claude这样的人工智能模型能够通过代码风格识别出作者身份，为代码溯源和开发者认证提供了新的可能性。
背景速读
- 大多数程序员相信自己的代码风格独一无二，类似笔迹。但如果这种"风格"能被AI用来识别你是男是女、是不是用非母语编程、乃至具体是谁，意味着匿名开源贡献可能不再安全。
- 本文展示了一个叫"Author2Vec"的向量化方法：将一段代码（语法树+标识符命名）转化成固定长度的数学向量，然后用分类器判断作者属性——实验用Claude 3.5 Sonnet提取特征。
- 关键结果：在1,163名作者的1,630份代码样本上，仅凭500行代码就能以95%+准确率识别作者性别、母语、是否团队项目等元信息。即使刻意隐藏风格（如改用stripped命名法），准确率仍超80%。
- 深层意义：大模型不仅能写代码，还能"读"代码中的非显式信号。这对匿名审查、代码溯源、以及"AI训练数据中是否包含你的代码"等隐私问题提出了新挑战。
- 背景：过去二十年学界一直在做"代码作者归属"（code authorship attribution），但传统方法依赖手工特征。Author2Vec利用大模型自动提取深层次语义特征，效果远超此前所有方法。