代码大模型 / AI 编程

Understanding Chain-of-Thought Effectiveness in Code Generation: An Empirical and Information-Theoretic Analysis

理解链式思维在代码生成中的有效性：一项经验性与信息论分析

Naizhu Jin, Zhong Li, Guang Yang, Tian Zhang, Qingkai Zeng

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

AI总结 本研究通过经验分析和信息论方法，揭示了链式思维在代码生成中有效性的影响因素，发现结构化CoT在提升生成质量方面表现更优，且其效果受语言系统和模型容量影响。

ChemGen: Code Generation for Multispecies Chemically Reacting Flow Simulations

ChemGen：用于多物种化学反应流模拟的代码生成

Ryan F. Johnson, Eric J. Ching, Ethan S. Genter, Joshua E. Lipman, Andrew D. Kercher, Jay Arcities, Hai Wang

专题命中 代码生成 ：code generation(title,abstract)

AI总结 ChemGen通过代码生成技术将多物种热力学和化学动力学整合到计算物理学代码中，提升燃烧建模与计算物理学的结合效率。

Comments under review

AI Co-Artist: A LLM-Powered Framework for Interactive GLSL Shader Animation Evolution

AI共艺术家：一种基于大语言模型的交互式GLSL着色器动画进化的框架

Kamer Ali Yuksel, Hassan Sawaf

机构 * aiXplain Inc.（aiXplain公司） 纠错

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

AI总结 AI Co-Artist利用大语言模型降低GLSL着色器创作门槛，通过直观交互实现视觉艺术的进化与生成。

Grammar-Based Code Representation: Is It a Worthy Pursuit for LLMs?

基于语法的代码表示：对于大语言模型来说，这是否值得追求？

Qingyuan Liang, Zhao Zhang, Zeyu Sun, Zheng Lin, Qi Luo, Yueyi Xiao, Yizhou Chen, Yuqun Zhang, Haotian Zhang, Lu Zhang, Bin Chen, Yingfei Xiong

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Kuaishou Technology（快手科技） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） 纠错

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

AI总结 本文探讨了基于语法的代码表示在大语言模型中的有效性，通过实验表明其在提升代码生成准确性和区分细微代码差异方面具有价值。

CREME: Robustness Enhancement of Code LLMs via Layer-Aware Model Editing

通过层感知模型编辑提升代码LLM的鲁棒性

Shuhan Liu, Xing Hu, Kerui Huang, Xiaohu Yang, David Lo, Xin Xia

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

AI总结 CREME通过识别并编辑鲁棒性敏感层，提升代码生成模型对提示扰动的鲁棒性，显著提高扰动提示下的生成准确率。

DermETAS-SNA LLM: A Dermatology Focused Evolutionary Transformer Architecture Search with StackNet Augmented LLM Assistant

DermETAS-SNA LLM：一种专注于皮肤科的进化Transformer架构搜索与StackNet增强LLM助手

Nitya Phani Santosh Oruganty, Keerthi Vemula Murali, Chun-Kit Ngan, Paulo Bandeira Pinho

机构 * Data Science Program, Worcester Polytechnic Institute, Massachusetts, USA（沃斯特理工学院数据科学项目，马萨诸塞州，美国） ； Computer Science Department, Worcester Polytechnic Institute, Massachusetts, USA（沃斯特理工学院计算机科学系，马萨诸塞州，美国） ； PASE Advisory Group, New Jersey, USA（PASE顾问小组，新泽西州，美国） 纠错

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

AI总结 DermETAS-SNA LLM结合进化Transformer架构搜索与StackNet增强LLM，旨在提升皮肤病诊断的准确性和实用性。

NordFKB: a fine-grained benchmark dataset for geospatial AI in Norway

NordFKB：挪威地理空间AI的细粒度基准数据集

Sander Riisøen Jyhne, Aditya Gupta, Ben Worsley, Marianne Andersen, Ivar Oveland, Alexander Salveson Nossum

机构 * Kartverket Kristiansand（挪威地图局克里斯蒂安桑分部） ； University of Agder（阿格德大学） ； Norkart Kristiansand（挪威地图公司克里斯蒂安桑分部） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 NordFKB为挪威地理空间AI提供细粒度基准数据集，包含高分辨率影像和详细注释，支持语义分割和目标检测的标准化评估。

Comments 8 pages, 2 figures, 2 tables

Llama-based source code vulnerability detection: Prompt engineering vs Fine tuning

基于Llama的源代码漏洞检测：提示工程与微调

Dyna Soumhane Ouchebara, Stéphane Dupont

机构 * University of Mons（蒙斯大学） 纠错

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

AI总结 本研究探讨了基于Llama模型的源代码漏洞检测方法，比较了提示工程与微调技术的效果，提出双微调方法并评估其性能。

Comments 20 pages, Accepted at ESORICS 2025

Decoupling Template Bias in CLIP: Harnessing Empty Prompts for Enhanced Few-Shot Learning

解除CLIP中的模板偏见：利用空提示提升少样本学习

Zhenyu Zhang, Guangyao Chen, Yixiong Zou, Zhimeng Huang, Yuhua Li

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

AI总结 本研究通过引入空提示机制，减少CLIP中模板偏见对少样本学习的影响，提升分类准确性和鲁棒性。

Comments 14 pages, 8 figures, Association for the Advancement of Artificial Intelligence (AAAI2026, poster)