代码大模型 / AI 编程

Model-Driven Quantum Code Generation Using Large Language Models and Retrieval-Augmented Generation

基于大语言模型和检索增强生成的模型驱动量子代码生成

Nazanin Siavash, Armin Moin

机构 * Department of Computer Science University of Colorado Colorado Springs (UCCS)（计算机科学系 佛罗里达大学科罗拉多州春分校） 纠错

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

AI总结 本文提出利用大语言模型和检索增强生成技术，通过UML模型生成量子代码，提升量子计算代码的准确性和一致性。

Comments This paper is accepted to the New Ideas and Emerging Results (NIER) track of the ACM/IEEE 28th International Conference on Model Driven Engineering Languages and Systems (MODELS)

Generative Fuzzy System for Sequence Generation

生成模糊系统用于序列生成

Hailong Yang, Zhaohong Deng, Wei Zhang, Zhuangzhuang Zhao, Guanjin Wang, Kup-sze Choi

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

AI总结 本文提出了一种结合数据与知识驱动机制的生成模糊系统框架GenFS，用于提升序列生成任务的准确性和流畅性。

Comments 12 pages, 5 figures

Think in Parallel, Answer as One: Logit Averaging for Open-Ended Reasoning

并行思考，一答为终：用于开放性推理的Logit平均

Haonan Wang, Chao Du, Kenji Kawaguchi, Tianyu Pang

机构 * National University of Singapore（新加坡国立大学） ； Sea AI Lab（Sea AI实验室） 纠错

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

AI总结 ThinkMerge通过并行推理轨迹的logit平均提升开放式推理性能，适用于代码生成和网络深度研究等任务。

Enhancing Automated Paper Reproduction via Prompt-Free Collaborative Agents

通过无提示协作代理增强自动论文复现

Zijie Lin, Qilin Cai, Liang Shen, Mingjun Xiao

机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团） 纠错

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

AI总结 本文提出一种无提示协作代理框架，通过验证和细化代理提升论文到代码生成的准确性和完整性，实验显示性能提升约15%和13%。

SpecPV: Improving Self-Speculative Decoding for Long-Context Generation via Partial Verification

SpecPV：通过部分验证改进长上下文生成的自我推测解码

Zhendong Tan, Xingjun Zhang, Chaoyi Hu, Junjie Peng, Kun Xia

机构 * School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, China（计算机科学与技术学院，西安交通大学，西安，中国） 纠错

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

AI总结 SpecPV通过部分验证和周期性完整验证提升长上下文生成效率，实现6倍解码加速

Defects4C: Benchmarking Large Language Model Repair Capability with C/C++ Bugs

Defects4C：利用C/C++漏洞基准测试大语言模型的修复能力

Jian Wang, Xiaofei Xie, Qiang Hu, Shangqing Liu, Jiongchi Yu, Jiaolong Kong, Yi Li

专题命中 代码评测 ：program repair(abstract)；分类 cs.SE

AI总结 Defects4C通过提供高质量C/C++漏洞基准测试，评估大语言模型在修复C/C++程序中的有效性，揭示当前技术的局限性并推动未来研究。

Comments ASE-2025 main research paper

Automated Duplicate Bug Report Detection in Large Open Bug Repositories

在大型开源bug仓库中自动检测重复bug报告

Clare E. Laney, Andrew Barovic, Armin Moin

机构 * Department of Computer Science University of Colorado Colorado Springs United States（计算机科学系，科罗拉多州立大学，美国） ； George Mason University, Fairfax, VA, United States（乔治·马歇尔大学，弗吉尼亚州 Fairfax，美国） 纠错

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

AI总结 本文提出基于机器学习的自动检测重复bug报告方法，通过多种技术提升准确率，应用于Eclipse开源项目数据集。

Comments IEEE COMPSAC 2025

Lectures on Quantum Field Theory on a Quantum Computer

量子计算机上的量子场论讲义

Aninda Sinha, Ujjwal Basumatary

专题命中 仓库级理解 ：repository(abstract)

AI总结 讲义介绍了在量子计算机上实现量子场论的方法，涵盖非谐振子、张量网络技术及误差建模，适用于教学和研究

Comments 195 pages, many figures. Comments welcome

Detect Anything 3D in the Wild

在野外检测任意3D对象

Hanxue Zhang, Haoran Jiang, Qingsong Yao, Yanan Sun, Renrui Zhang, Hao Zhao, Hongyang Li, Hongzi Zhu, Zetong Yang

机构 * OpenDriveLab at Shanghai AI Laboratory（上海人工智能实验室开放驾驶实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Stanford University（斯坦福大学） ； CUHK MMLab（香港大学多模态实验室） ； Tsinghua University（清华大学） ； GAC R&D Center（广汽研发中心） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 DetAny3D通过结合2D基础模型知识和3D解释器，实现了在任意相机配置下检测任意新物体的3D检测基础模型。