代码大模型 / AI 编程

LLM-Empowered Event-Chain Driven Code Generation for ADAS in SDV systems

基于大语言模型的事件链驱动的ADAS代码生成方法

Nenad Petrovic, Norbert Kroth, Axel Torschmied, Yinglei Song, Fengjunjie Pan, Vahid Zolfaghari, Nils Purschke, Sven Kirchner, Chengdong Wu, Andre Schamschurko, Yi Zhang, Alois Knoll

机构 * Federal Ministry of Research, Technology and Space of Germany（德国联邦研究、技术和空间部） 纠错

专题命中 代码生成 ：code generation(title,abstract)；分类 cs.SE、cs.AI

AI总结 本文提出基于事件链驱动和大语言模型的ADAS代码生成方法，通过RAG层提高代码生成的准确性和一致性，无需重新训练大语言模型。

Accelerated Execution of Bayesian Neural Networks using a Single Probabilistic Forward Pass and Code Generation

利用单次概率前向传递和代码生成加速贝叶斯神经网络

Bernhard Klein, Falk Selker, Hendrik Borras, Sophie Steger, Franz Pernkopf, Holger Fröning

机构 * Heidelberg University（海德堡大学） ； Graz University of Technology（格拉茨技术大学） 纠错

专题命中 代码生成 ：code generation(title,abstract)；分类 cs.LG

AI总结 本文提出一种基于概率前向传递和代码生成的方法，显著提升贝叶斯神经网络在嵌入式系统中的计算效率和部署性能。

Chart2Code-MoLA: Efficient Multi-Modal Code Generation via Adaptive Expert Routing

Chart2Code-MoLA: 通过自适应专家路由实现高效的多模态代码生成

Yifei Wang, Jacky Keung, Zhenyu Mao, Jingyu Zhang, Yuchen Cao

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

AI总结 Chart2Code-MoLA通过自适应专家路由实现高效多模态代码生成，提升生成准确性、降低内存消耗并加速收敛。

Functional Program Synthesis with Higher-Order Functions and Recursion Schemes

基于高阶函数和递归方案的功能程序合成

Matheus Campos Fernandes

专题命中 代码生成 ：program synthesis(title,abstract)

AI总结 本文提出两种新型GP算法HOTGP和Origami，用于高效合成纯、带类型和功能的程序，其中HOTGP支持高阶函数和参数多态性，Origami通过递归方案处理循环和递归，且在多个基准测试中表现出色。

Comments Doctoral thesis

ORION: Teaching Language Models to Reason Efficiently in the Language of Thought

ORION：教语言模型以高效的方式在思维语言中推理

Kumar Tanmay, Kriti Aggarwal, Paul Pu Liang, Subhabrata Mukherjee

机构 * Harvard University（哈佛大学） ； Hippocratic AI（希波克拉底AI） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 ORION通过SLPO优化实现高效压缩推理，提升推理效率和准确性，同时保持高精度。

AutoPatch: Multi-Agent Framework for Patching Real-World CVE Vulnerabilities

AutoPatch：多智能体框架用于修补现实世界中的CVE漏洞

Minjae Seo, Wonwoo Choi, Myoungsung You, Seungwon Shin

专题命中 代码生成 ：code generation(abstract)

AI总结 AutoPatch通过多智能体框架高效修补LLM生成代码中的CVE漏洞，实现高准确率和低成本的漏洞修复

Comments 19 pages, double column, 9 figures. Under submission

Statistical Independence Aware Caching for LLM Workflows

面向LLM工作流的统计独立性感知缓存

Yihan Dai, Dimitrios Stamatios Bouras, Haoxiang Jia, Sergey Mechtaev

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

AI总结 Mnimi通过封装统计约束在LLM引用类型中，提升代码修复工作流的可重复性、调试效率和统计正确性。

Open-source implementation of distribution network reconfiguration methods: Analysis and comparison

开源实现配电网重构方法：分析与比较

Ferran Bohigas-Daranas, Oriol Gomis-Bellmunt, Eduardo Prieto-Araujo

专题命中 测试生成 ：repository(abstract)

AI总结 本文通过开源实现，分析并比较了配电网重构方法的多种算法，包括启发式、元启发式和数学方法，为研究者提供可复现的资源和优化解决方案。

A Benchmark for Procedural Memory Retrieval in Language Agents

一种用于语言代理中程序记忆检索的基准测试

Ishant Kohar, Aswanth Krishnan

机构 * Qpi AI 纠错

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

AI总结 本文提出了一种用于评估语言代理程序记忆检索能力的基准测试，通过构建双语料库和系统分层查询，揭示了基于嵌入的方法在新上下文中的泛化问题，并展示了LLM生成的程序抽象在跨上下文转移中的优势。

A Systematic Literature Review of Spatio-Temporal Graph Neural Network Models for Time Series Forecasting and Classification

时空图神经网络模型在时间序列预测与分类中的系统文献综述

Flavio Corradini, Flavio Gerosa, Marco Gori, Carlo Lucheroni, Marco Piangerelli, Martina Zannotti

机构 * School of Science and Technology, University of Camerino（科学与技术学院，坎皮诺大学） ； DIISM, University of Siena（DIISM，锡耶纳大学） ； Syeew s.r.l.（Syeew公司） 纠错

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

AI总结 本文系统综述了时空图神经网络在时间序列预测与分类中的应用，全面分析了不同模型的性能对比及现存挑战。

The Hidden AI Race: Tracking Environmental Costs of Innovation

隐藏的人工智能竞赛：追踪创新的环境成本

Shyam Agarwal, Mahasweta Chakraborti

机构 * Department of Computer Science, University of California, Davis（加州大学戴维斯分校计算机科学系） ； Department of Communication, University of California, Davis（加州大学戴维斯分校传播系） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI

AI总结 本文研究了人工智能创新的环境成本，发现模型大小和版本发布频率与高排放相关，同时揭示了不同组织类型对排放的影响，呼吁推动绿色AI实践。

C$^2$DLM: Causal Concept-Guided Diffusion Large Language Models

C$^2$DLM: 基于因果概念的扩散大语言模型

Kairong Han, Nuanqiao Shan, Ziyu Zhao, Zijing Hu, Xinpeng Dong, Junjian Ye, Lujia Pan, Fei Wu, Kun Kuang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Noah’s Ark Lab, Huawei Technologies（华为技术有限公司诺亚实验室） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL

AI总结 C$^2$DLM通过引入因果概念引导机制，提升大语言模型在推理任务中的性能。

Controllable 3D Object Generation with Single Image Prompt

单图像提示下的可控3D物体生成

Jaeseok Lee, Jaekoo Lee

机构 * College of Computer Science, Kookmin University, Seoul, Korea（计算机科学学院，韩国高丽大学，首尔） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出两种方法，通过单图像提示生成可控的3D物体，提升3D一致性并优于现有文本倒置方法。

Journal ref Pattern Recognition. ICPR 2024. Lecture Notes in Computer Science, vol 15306. Springer, Cham. p222-238

A Survey of LLM-Driven AI Agent Communication: Protocols, Security Risks, and Defense Countermeasures

面向大语言模型驱动的AI代理通信的综述：协议、安全风险及防御措施

Dezhang Kong, Shi Lin, Zhenhua Xu, Zhebo Wang, Minghao Li, Yufeng Li, Yilun Zhang, Hujin Peng, Xiang Chen, Zeyang Sha, Yuyuan Li, Changting Lin, Xun Wang, Xuan Liu, Ningyu Zhang, Chaochao Chen, Chunming Wu, Muhammad Khurram Khan, Meng Han

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文综述了由大语言模型驱动的AI代理通信的安全问题，提出定义、分类框架及防御措施，通过实验揭示通信漏洞并探讨未来研究方向。

Comments 48 pages, 18 figures