虽然像 Xu 等人 (2024) 这样的先前研究已经探讨了区分人类生成代码和人工智能生成代码的方法，但据我们所知，我们的工作是首次使用图神经网络 (GNN) 来分析和刻画这两种代码来源之间的结构差异。这对于检测 CS 106A 等课程作业中的人工智能代码也非常有用，因为在这些课程中，函数名和变量名可能会提前提供给学生。Hamilton 等人 (2018) 提出的 GraphSAGE（图采样与聚合）是一种图神经网络，它通过对节点局部邻域的信息进行采样和聚合来生成节点嵌入，而不是使用整个图。
虽然像 Xu 等人 (2024) 这样的先前研究已经探讨了区分人类生成代码和人工智能生成代码的方法，但据我们所知，我们的工作是首次使用图神经网络 (GNN) 来分析和刻画这两种代码来源之间的结构差异。这对于检测 CS 106A 等课程作业中的人工智能代码也非常有用，因为在这些课程中，函数名和变量名可能会提前提供给学生。Hamilton 等人 (2018) 提出的 GraphSAGE（图采样与聚合）是一种图神经网络，它通过对节点局部邻域的信息进行采样和聚合来生成节点嵌入，而不是使用整个图。