代码大模型 / AI 编程

Evaluating Large Language Models for Functional and Maintainable Code in Industrial Settings: A Case Study at ASML

Yash Mundhra, Max Valk, Maliheh Izadi

机构 * Delft University of Technology（代尔夫特理工大学） ； ASML（ASML公司） 纠错

专题命中 代码评测 ：code generation(abstract)；分类 cs.SE、cs.AI

Comments Accepted in the 40th IEEE/ACM International Conference on Automated Software Engineering, ASE 2025 (Industry track)

A Systematic Evaluation of Parameter-Efficient Fine-Tuning Methods for the Security of Code LLMs

Kiho Lee, Jungkon Kim, Doowon Kim, Hyoungshick Kim

机构 * Samsung Research（三星研究院） ； University of Tennessee, Knoxville（田纳西大学 Knoxville分校） ； Sungkyunkwan University（成均馆大学） 纠错

专题命中 代码评测 ：code generation(abstract)；分类 cs.AI

Comments 25 pages

Why Stop at One Error? Benchmarking LLMs as Data Science Code Debuggers for Multi-Hop and Multi-Bug Errors

Zhiyu Yang, Shuo Wang, Yukun Yan, Yang Deng

机构 * Singapore Management University（新加坡管理大学） ； Tsinghua University（清华大学） 纠错

专题命中 代码评测 ：code generation(abstract)；分类 cs.CL

Comments Accepted at EMNLP 2025 Main, Oral

A Statistical Benchmark for Diffusion Posterior Sampling Algorithms

Martin Zach, Youssef Haouchat, Michael Unser

专题命中 代码评测 ：repository(abstract)

Prompt Commons: Collective Prompting as Governance for Urban AI

Rashid Mushkani

专题命中 代码评测 ：repository(abstract)