代码大模型 / AI 编程

Towards Privacy-Preserving Code Generation: Differentially Private Code Language Models

面向隐私保护的代码生成：差分隐私代码语言模型

Melih Catal, Pooja Rani, Harald C. Gall

机构 * University of Zurich（苏黎世大学） 纠错

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

AI总结 本文提出在代码语言模型中应用差分隐私以缓解记忆风险，同时保持代码生成能力，验证了DP在隐私保护中的有效性。

AutoFSM: A Multi-agent Framework for FSM Code Generation with IR and SystemC-Based Testing

AutoFSM：一种基于IR和SystemC的多智能体FSM代码生成框架

Qiuming Luo, Yanming Lei, Kunzhong Wu, Yixuan Cao, Chengjian Liu

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

AI总结 AutoFSM通过引入结构化中间表示和SystemC建模，提升了FSM代码生成的可靠性与可扩展性，实验表明其在测试基准中表现优于现有框架。

Comments This version corrects a typo in the section title ("Intruction" -> "Introduction") that appears in the published version

Grammar-Aligned Decoding

语法对齐解码

Kanghee Park, Jiayu Wang, Taylor Berg-Kirkpatrick, Nadia Polikarpova, Loris D'Antoni

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文提出语法对齐解码（GAD）方法，通过适应性采样与近似期望未来（ASAp）算法，提升语法约束下生成输出的质量和概率匹配度。

Comments Accepted to NeurIPS 2024

Theoretical Foundations of GPU-Native Compilation for Rapid Code Iteration

GPU原生编译的理论基础：为快速代码迭代提供支持

Adilet Metinov, Gulida M. Kudakeeva, Gulnara D. Kabaeva

机构 * Institute of Information Technology（信息技术学院） ； Kyrgyz State Technical University named after I. Razzakov（伊·拉扎科夫命名的吉尔吉斯斯坦技术大学） 纠错

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

AI总结 本文提出三种GPU原生编译方法，通过消除CPU-GPU数据传输，提升代码迭代效率，并探讨其对AI系统和模拟计算的影响。

Comments 9 pages , 2 tables

Software Engineering and Foundation Models: Insights from Industry Blogs Using a Jury of Foundation Models

软件工程与基础模型：基于行业博客的见解，利用基础模型的 jury

Hao Li, Cor-Paul Bezemer, Ahmed E. Hassan

机构 * Queen’s University（女王大学） ； University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 本文通过分析行业博客，探讨了基础模型在软件工程中的应用与影响，提出了未来研究方向。

Comments ICSE-SEIP 2025

Super Suffixes: Bypassing Text Generation Alignment and Guard Models Simultaneously

超后缀：同时绕过文本生成对齐和防护模型

Andrew Adiletta, Kathryn Adiletta, Kemal Derya, Berk Sunar

机构 * MITRE（MITRE公司） ； Worcester Polytechnic Institute（沃斯顿理工学院） 纠错

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

AI总结 本文提出超后缀技术，通过联合优化绕过Llama Prompt Guard 2，同时提出DeltaGuard检测方法提升对抗性提示防御效果。

Comments 13 pages, 5 Figures

Unifying Dynamic Tool Creation and Cross-Task Experience Sharing through Cognitive Memory Architecture

通过认知记忆架构统一动态工具创建与跨任务经验共享

Jiarun Liu, Shiyue Xu, Yang Li, Shangkun Liu, Yongli Yu, Peng Cao

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

AI总结 SMITH通过认知记忆架构统一动态工具创建与跨任务经验共享，实现代理能力的持续扩展和高效适应。

Real-Time QP Solvers: A Concise Review and Practical Guide Towards Legged Robots

实时QP求解器：一种简洁回顾与面向腿部机器人的实用指南

Van Nam Dinh

机构 * Institute of Science and Technology（科技研究院） ； Vinh University（文大学） 纠错

专题命中 代码生成 ：code generation(abstract)

AI总结 本文综述了实时QP求解器，分析了其在腿部机器人中的应用，探讨了不同求解器的性能与适用场景，强调了求解器、任务与硬件之间的协同作用。

Comments 12 pages, 1 figure, 2 tables

Delays and Deferrals in Nuclear Waste Disposal: A Stochastic Analysis of Funding Shortfalls of Germany's Waste Fund KENFO

核废料处置中的延迟与推迟：对德国废料基金KENFO资金短缺的随机分析

Mahdi Awawda, Alexander Wimmers

专题命中 软件智能体 ：repository(abstract)

AI总结 本文通过随机分析评估德国KENFO基金因选址延迟导致的资金短缺风险，发现需提高ROI至5.91%或注入3107亿欧元以保障长期资金需求。

Benchmarking AI Models in Software Engineering: A Review, Search Tool, and Unified Approach for Elevating Benchmark Quality

在软件工程中评估AI模型：一项综述、搜索工具和统一方法以提高基准质量

Roham Koohestani, Philippe de Bekker, Begüm Koç, Maliheh Izadi

机构 * EEMCS faculty, Delft University of Technology（代尔夫特理工大学EEMCS学院） 纠错

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

AI总结 本文提出BenchScout和BenchFrame，通过统一框架提升软件工程AI模型的基准质量，改进现有基准并验证其有效性。

Comments Accepted for publication in IEEE Transactions on Software Engineering

Contrastive Time Series Forecasting with Anomalies

基于异常的对比时间序列预测

Joel Ekstrand, Zahra Taghiyarrenani, Slawomir Nowaczyk

机构 * Center for Applied Intelligent Systems Research（应用智能系统研究中心） ； Halmstad University（哈马碧大学） 纠错

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

AI总结 Co-TSFA通过对比学习区分异常事件的影响，提升时间序列预测在异常条件下的性能。

Granite: Granular Runtime Enforcement for GitHub Actions Permissions

Granite: GitHub Actions 权限的粒度运行时强制执行

Mojtaba Moazen, Amir. M Ahmadian, Musard Balliu

专题命中 仓库级理解 ：repository(abstract)

AI总结 Granite通过在GitHub Actions中实现步骤级细粒度权限强制执行，有效降低CI/CD攻击面。

Comments 13 pages, abstract compacted for arxiv