代码大模型 / AI 编程

AutoBackdoor: Automating Backdoor Attacks via LLM Agents

AutoBackdoor: 通过LLM代理自动化后门攻击

Yige Li, Zhe Li, Wei Zhao, Nay Myat Min, Hanxun Huang, Xingjun Ma, Jun Sun

机构 * Singapore Management University（新加坡管理大学） ； The University of Melbourne（墨尔本大学） ； Fudan University（复旦大学） 纠错

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

AI总结 AutoBackdoor通过LLM代理自动化后门攻击，实现高效触发器生成和毒化数据构建，验证了对抗防御的脆弱性。

Comments 23 pages

Beyond Code Similarity: Benchmarking the Plausibility, Efficiency, and Complexity of LLM-Generated Smart Contracts

超越代码相似性：评估LLM生成智能合约的可信度、效率和复杂性

Francesco Salzano, Simone Scalabrino, Rocco Oliveto, Remo Pareschi

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

AI总结 本文评估了LLM生成智能合约的可信度、效率和复杂性，发现检索增强生成显著提升了功能正确性，但生成代码仍需专家验证。

Comments 20 pages

ResearStudio: A Human-Intervenable Framework for Building Controllable Deep-Research Agents

ResearStudio: 一种可人工干预的构建可控深度研究代理的框架

Linyi Yang, Yixuan Weng

机构 * Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 ResearStudio是一种可人工干预的深度研究代理框架，通过实时人类控制与自动化相结合，在GAIA基准中取得最佳性能。

Comments EMNLP 2025 Demo, Oral

Waiting for Dabo: A machine learning model for predicting Power 4 college football coaching hire success

等待达博：一个用于预测Power 4大学足球教练聘任成功的机器学习模型

Michael Schuckers, Austin Hayes

专题命中 代码评测 ：repository(abstract)

AI总结 本文提出一个机器学习模型，用于预测Power 4大学足球教练聘任的成功，通过分析教练背景、过去表现和学校质量等29个变量，模型准确率达66%，但无法高预测性识别成功聘任。

Comments Version 2025.11.20