代码大模型 / AI 编程

Incoherence as Oracle-less Measure of Error in LLM-Based Code Generation

不一致性作为无 oracle 的错误度量方法在基于 LLM 的代码生成中的应用

Thomas Valentin, Ardi Madadi, Gaetano Sapia, Marcel Böhme

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

AI总结 本文提出了一种无 oracle 的错误度量方法，用于评估基于LLM的代码生成的正确性，通过不一致性度量有效识别错误程序并替代传统 oracle 评估。

Comments Accepted at AAAI'26 (extended version). 8 pages + refs and appendix

Journal ref 40th Annual AAAI Conference on Artificial Intelligence (AAAI), 2026

LEGO: A Layout Expression Language for Code Generation of Hierarchical Mapping

LEGO：一种用于分层映射代码生成的布局表达语言

Amir Mohammad Tavakkoli, Cosmin Oancea, Mary Hall

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

AI总结 LEGO是一种用于生成分层映射代码的布局表达语言，通过布局规范生成索引表达式，可集成至编译器和模板中，实现数据和计算优化。

From User Interface to Agent Interface: Efficiency Optimization of UI Representations for LLM Agents

从用户界面到代理界面：UI表示的效率优化以提升LLM代理性能

Dezhi Ran, Zhi Gong, Yuzhe Guo, Mengzhou Wu, Yuan Cao, Haochuan Lu, Hengyu Zhang, Xia Zeng, Gang Cao, Liangchao Yao, Yuetang Deng, Wei Yang, Tao Xie

机构 * Key Lab of HCST (PKU), MOE（HCST关键实验室（PKU），教育部） ； SCS, Peking University（SCS，北京大学） ； Tencent Inc.（腾讯公司） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 UIFormer通过约束优化和结构分解，优化LLM代理的UI表示效率，实现令牌减少与性能提升的平衡。

Vibe Coding in Practice: Flow, Technical Debt, and Guidelines for Sustainable Use

在实践中使用Vibe编码：流程、技术债与可持续使用的指南

Muhammad Waseem, Aakash Ahmad, Kai-Kristian Kemell, Jussi Rasku, Sami Lahti, Kalle Mäkelä, Pekka Abrahamsson

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

AI总结 本文探讨了Vibe编码在实践中的应用，分析了其与技术债的权衡，并提出了可持续使用的指南和对策。

Comments 10

Beyond Pass@1: Self-Play with Variational Problem Synthesis Sustains RLVR

超越Pass@1：基于变分问题合成的自我博弈维持RLVR

Xiao Liang, Zhongzhi Li, Yeyun Gong, Yelong Shen, Ying Nian Wu, Zhijiang Guo, Weizhu Chen

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

AI总结 本文提出基于变分问题合成的自我博弈策略，有效维持RLVR训练中的策略熵，显著提升Pass@k性能，在多个基准测试中取得绝对提升。

Do LLM Evaluators Prefer Themselves for a Reason?

大语言模型评估器为何偏好自己？

Wei-Lin Chen, Zhepei Wei, Xinyu Zhu, Shi Feng, Yu Meng

机构 * University of Virginia（弗吉尼亚大学） ； George Washington University（乔治华盛顿大学） 纠错

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

AI总结 研究探讨了大语言模型在评估时自我偏好现象的成因，发现更强模型更倾向于偏好自身输出，但其中大部分偏好源于客观质量优势，同时提出通过扩展策略可减少有害自我偏好。

Comments Added LMArena experiments

Fault-Tolerant Sandboxing for AI Coding Agents: A Transactional Approach to Safe Autonomous Execution

面向AI编码代理的容错沙盒：一种用于安全自主执行的事务方法

Boyang Yan

机构 * University of Virginia（弗吉尼亚大学） 纠错

专题命中 软件智能体 ：coding agent(title)；分类 cs.AI

AI总结 本文提出一种基于事务的容错沙盒框架，通过事务性文件系统快照和策略拦截层，实现对AI编码代理自主执行的安全保障，显著降低延迟并提高安全性。

Comments 7 pages

TwinFormer: A Dual-Level Transformer for Long-Sequence Time-Series Forecasting

TwinFormer：一种用于长序列时间序列预测的双层Transformer

Mahima Kumavat, Aditya Maheshwari

机构 * Operations Management and Quantitative Techniques Area, Indian Institute of Management Indore（印度管理学院印第安纳分校运营管理与定量技术部门） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.LG

AI总结 TwinFormer通过双阶段Transformer架构，结合top-k稀疏注意力和GRU聚合，实现高效长序列时间序列预测，优于多种现有方法。

Comments 14 pages, 4 figures

Parameter-Efficient Fine-Tuning with Attributed Patch Semantic Graph for Automated Patch Correctness Assessment

基于属性补丁语义图的参数高效微调用于自动补丁正确性评估

Zhenyu Yang, Jingwen Wu, Zhen Yang, Zhongxing Yu

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

AI总结 本文提出基于属性补丁语义图的参数高效微调方法，用于提升自动补丁正确性评估的准确性和F1分数。

Comments 20 pages, 5 figures, 18 tables

FIN-bench-v2: A Unified and Robust Benchmark Suite for Evaluating Finnish Large Language Models

FIN-bench-v2：一个用于评估芬兰大型语言模型的统一且稳健的基准测试集

Joona Kytöniemi, Jousia Piha, Akseli Reunamo, Fedor Vitiugin, Farrokh Mehryary, Sampo Pyysalo

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

AI总结 FIN-bench-v2通过整合芬兰语言任务和评估方法，提供统一且稳健的基准测试集，用于评估芬兰大型语言模型的性能。

Is GPT-OSS Good? A Comprehensive Evaluation of OpenAI's Latest Open Source Models

GPT-OSS好吗？对OpenAI最新开源模型的综合评估

Ziqian Bi, Keyu Chen, Chiung-Yi Tseng, Danyang Zhang, Tianyang Wang, Hongying Luo, Lu Chen, Junming Huang, Jibin Guan, Junfeng Hao, Xinyuan Song, Junhao Song

机构 * AI Agent Lab, Vokram Group（AI代理实验室，Vokram集团） ； Purdue University（普渡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Minnesota（明尼苏达大学） ； Emory University（埃默里大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 GPT-OSS在代码生成方面表现优异，但在多语言任务上存在不足，研究发现稀疏架构扩展未必能带来性能提升。

DoNOF 2.0: A modern Open-Source Electronic Structure Program for Natural Orbital Functionals

DoNOF 2.0：一种现代的开源电子结构程序用于自然轨道功能

Juan Felipe Huan Lew-Yee, Ion Mitxelena, Jorge M. del Campo, and Mario Piris

专题命中 代码评测 ：repository(abstract)

AI总结 DoNOF 2.0是一款开源电子结构程序，提供改进的优化算法、激发态计算和非线性光学响应评估功能。

Comments 11 pages, 4 figures, 3 tables

A Thermal Modeling Toolkit for Continuous-Wave Gaussian Second-Harmonic Generation in KTP Crystal

用于KTP晶体连续波高斯二次谐波生成的热模型工具包

Mostafa M. Rezaee, Mohammad Sabaeian, Alireza Motazedian, Fatemeh Sedaghat Jalil-Abadi, Mohammad Ghadri

专题命中 代码评测 ：repository(abstract)

AI总结 该工具包提供了一种用于计算KTP晶体连续波高斯二次谐波生成中温度场的开源有限差分方法，支持多种热传导模型和参数化情景扫描。

Generalization vs. Specialization: Evaluating Segment Anything Model (SAM3) Zero-Shot Segmentation Against Fine-Tuned YOLO Detectors

泛化与专门化：评估Segment Anything Model（SAM3）零样本分割对精细调优的YOLO检测器

Ranjan Sapkota, Konstantinos I. Roumeliotis, Manoj Karkee, Nikolaos D. Tselikas

机构 * Cornell University, Department of Biological and Environmental Engineering（康奈尔大学生物与环境工程系） ； University of the Peloponnese, Department of Informatics and Telecommunications（希腊皮埃里亚大学信息与电信系） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 本文评估了SAM3在零样本分割中的性能，与微调的YOLO检测器相比，展示了SAM3在遮罩精度上的优势。

Beyond Next-Token Prediction: A Performance Characterization of Diffusion versus Autoregressive Language Models

超越单个令牌预测：扩散模型与自回归语言模型性能的对比分析

Minseo Kim, Coleman Hooper, Aditya Tomar, Chenfeng Xu, Mehrdad Farajtabar, Michael W. Mahoney, Kurt Keutzer, Amir Gholami

机构 * Seoul National University（首尔国立大学） ； University of California, Berkeley（加州大学伯克利分校） ； ICSI ； LBNL（劳伦斯伯克利国家实验室） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文比较了扩散模型与自回归语言模型在性能上的差异，发现DLMs在算术强度上占优但难以扩展，而ARMs在批量推理中表现更优。

Comments 11 pages, 5 figures

Improved algorithms and novel applications of the FrankWolfe.jl library

改进的Frank-Wolfe.jl库算法与新应用

Mathieu Besançon, Sébastien Designolle, Jannis Halbey, Deborah Hendrych, Dominik Kuzinowicz, Sebastian Pokutta, Hannah Troppens, Daniel Viladrich Herrmannsdoerfer, Elias Wirth

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文介绍了Frank-Wolfe.jl库在算法改进和新应用方面的进展，展示了其在解决大规模优化问题中的性能表现。

Journal ref ACM Trans. Math. Softw. 51(4), Article 29, 33 pages (2025)

QERaman: An open-source program for calculating resonance Raman spectra based on Quantum ESPRESSO

QERaman：基于Quantum ESPRESSO的开放源代码程序，用于计算共振拉曼光谱

Nguyen T. Hung, Jianqi Huang, Yuki Tatsumi, Teng Yang, Riichiro Saito

专题命中 仓库级理解 ：repository(abstract)

AI总结 QERaman基于Quantum ESPRESSO开发，用于计算共振拉曼光谱，提供开源代码和教程，适用于材料科学研究。

Comments 10 pages, 6 figures, 2 tables

Journal ref Computer Physics Communications, 295, 108967-1-9 (2024)