代码大模型 / AI 编程

The Future of Development Environments with AI Foundation Models: NII Shonan Meeting 222 Report

人工智能基础模型对未来开发环境的未来影响：NII Shonan会议222报告

Xing Hu, Raula Gaikovina Kula, Christoph Treude

专题命中 代码生成 ：code generation(abstract)；program repair(abstract)；分类 cs.SE

AI总结 人工智能基础模型对开发环境的影响及未来发展方向，通过专家讨论探讨其在软件工程和人机交互中的挑战与机遇。

PoE-World: Compositional World Modeling with Products of Programmatic Experts

PoE-World: 通过程序专家的乘积进行组合世界建模

Wasu Top Piriyakulkij, Yichao Liang, Hao Tang, Adrian Weller, Marta Kryven, Kevin Ellis

机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Dalhousie University（达尔豪斯大学） 纠错

专题命中 代码生成 ：program synthesis(abstract)；分类 cs.AI、cs.LG

AI总结 PoE-World通过程序专家的乘积有效建模复杂非网格世界领域，利用LLMs学习世界模型并实现高效泛化。

InfCode-C++: Intent-Guided Semantic Retrieval and AST-Structured Search for C++ Issue Resolution

InfCode-C++: 基于意图的语义检索与AST结构化搜索用于C++问题解决

Qingao Dong, Mengfei Wang, Hengzhi Zhang, Zhichao Li, Yuan Yuan, Mu Li, Xiang Gao, Hailong Sun, Chunming Hu, Weifeng Lv

机构 * Beihang University（北航） ； Beijing Tokfinity Technology Co., Ltd.（北京 Tokfinity 技术有限公司） 纠错

专题命中 软件智能体 ：software agent(abstract)；repository(abstract)；分类 cs.SE、cs.AI

AI总结 INFCODE-C++ 是首个针对 C++ 的自主系统，通过结合语义代码意图检索和 AST 结构查询，实现端到端的问题解决，其性能显著优于现有方法。

InfCode: Adversarial Iterative Refinement of Tests and Patches for Reliable Software Issue Resolution

InfCode: 基于对抗的测试和补丁迭代精炼框架用于可靠的软件问题解决

KeFan Li, Mengfei Wang, Hengzhi Zhang, Zhichao Li, Yuan Yuan, Mu Li, Xiang Gao, Hailong Sun, Chunming Hu, Weifeng Lv

机构 * Beihang University（北航大学） ； Beijing Tokfinity Technology Co., Ltd.（北京 Tokfinity 技术有限公司） 纠错

专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 InfCode通过对抗多代理框架实现测试和补丁的迭代精炼，以提高软件问题解决的可靠性，实验表明其在SWE-bench Verified上达到79.4%的性能，创下了新的最先进水平。

Rethinking Kernel Program Repair: Benchmarking and Enhancing LLMs with RGym

重新思考内核程序修复：通过RGym基准测试和增强LLMs

Kareem Shehada, Yifan Wu, Wyatt D. Feng, Adithya Iyer, Gryphon Kumfert, Yangruibo Ding, Zhiyun Qian

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 本研究提出RGym框架，通过改进的定位技术和提示结构，提升LLMs在Linux内核程序修复中的性能和效率。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Evaluating the Evolving LLM Lifecycle: Benchmarks, Emergent Abilities, and Scaling

TRADES: Generating Realistic Market Simulations with Diffusion Models

TRADES: 使用扩散模型生成逼真市场模拟

Leonardo Berti, Bardh Prenkaj, Paola Velardi

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 TRADES通过基于变换器的扩散模型生成逼真市场模拟，提升合成数据在金融任务中的应用价值。

Comments 8 pages

Journal ref ECAI 2025. Volume 413: Pages 3703 - 3710

Learning the Inverse Ryu--Takayanagi Formula with Transformers

利用Transformer学习逆Ryu-Takayanagi公式

Sejin Kim

机构 * KIAS（韩国基础科学研究院） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.LG

AI总结 本文利用Transformer模型学习逆Ryu-Takayanagi公式，通过数据驱动的方法重构黑洞函数并外推至无horizon背景。

Comments 15 pages, 6 figures, miner changes

Effect Size-Driven Pathway Meta-Analysis for Gene Expression Data

基于效应量的通路元分析用于基因表达数据

Juan Antonio Villatoro-García, Pablo Pedro Jurado-Bascón, Pedro Carmona-Sáez

专题命中 仓库级理解 ：repository(abstract)

AI总结 GSEMA通过单样本富集评分整合基因表达数据，实现通路级元分析，有效控制假阳性率并提供生物解释。

Comments 22 pages, 4 Figures, 7 Tables