代码大模型 / AI 编程

CosmoCore-Evo: Evolutionary Dream-Replay Reinforcement Learning for Adaptive Code Generation

CosmoCore-Evo: 基于进化梦回的强化学习用于自适应代码生成

Santhosh Kumar Ravindran

机构 * Microsoft Corporation（微软公司） 纠错

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

AI总结 CosmoCore-Evo通过进化算法提升代码生成的适应性和新颖性，实现更高性能和更快适应。

Comments 10 pages, 2 figures; Code for Simulation

Exploring the Security Threats of Retriever Backdoors in Retrieval-Augmented Code Generation

探索检索增强代码生成中Retriever后门的安全威胁

Tian Li, Bo Lin, Shangwen Wang, Yusong Tan

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

AI总结 本文研究了检索增强代码生成中Retriever后门攻击的严重威胁，通过开发VenomRACG攻击方法揭示了攻击者可通过注入少量代码操控检索器，导致模型生成脆弱代码。

How Do Agents Perform Code Optimization? An Empirical Study

代理如何执行代码优化？一项实证研究

Huiyun Peng, Antonio Zhong, Ricardo Andrés Calvo Méndez, Kelechi G. Kalu, James C. Davis

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文通过实证研究比较了AI和人类在性能优化提交中的表现，发现AI提交在性能验证方面较人类不足，但优化模式与人类相似。

Reflection-Driven Control for Trustworthy Code Agents

基于反射的可信代码代理控制

Bin Wang, Jiazheng Quan, Xingrui Yu, Hansen Hu, Yuhao, Ivor Tsang

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

AI总结 本文提出反射驱动控制方法，通过内部反思循环提升代码生成的安全性和合规性，实现自主、安全且可审计的AI代码代理。

Comments Accepted to AAAI 2026 Workshop on Trust and Control in Agentic AI (TrustAgent)

Accelerating Training Speed of Tiny Recursive Models with Curriculum Guided Adaptive Recursion

通过课程指导自适应递归加速小型递归模型的训练速度

Kaleem Ullah Qasim, Jiashu Zhang

机构 * School of Computing and Artificial Intelligence, Southwest Jiaotong University（计算机与人工智能学院，西南交通大学） 纠错

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

AI总结 CGAR通过课程指导自适应递归方法，提升小型递归模型训练效率，实现加速训练和保持模型质量。

Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles

推动生成式人工智能和大语言模型在电动汽车互联网中的需求侧管理

Hanwen Zhang, Ruichen Zhang, Wei Zhang, Dusit Niyato, Yonggang Wen, Chunyan Miao

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

AI总结 本文提出利用生成式人工智能和大语言模型优化电动汽车互联网中的需求侧管理，通过检索增强生成提升能源效率和用户适应性。

Comments 15 Pages

AInsteinBench: Benchmarking Coding Agents on Scientific Repositories

AInsteinBench：在科学仓库中评估编码代理的基准测试

Titouan Duston, Shuo Xin, Yang Sun, Daoguang Zan, Aoyan Li, Shulin Xin, Kai Shen, Yixiao Chen, Qiming Sun, Ge Zhang, Jiashuo Liu, Huan Zhou, Jingkai Liu, Zhichen Pu, Yuanheng Wang, Bo-Xuan Ge, Xin Tong, Fei Ye, Zhi-Chao Zhao, Wen-Biao Han, Zhoujian Cao, Yueran Zhao, Weiluo Ren, Qingshen Long, Yuxiao Liu, Anni Huang, Yidi Du, Yuanyuan Rong, Jiahao Peng

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 软件智能体 ：coding agent(title)；code generation(abstract)；分类 cs.SE、cs.AI、cs.PL

AI总结 AInsteinBench通过评估大型语言模型在科学计算开发中的能力，提供了一个基于真实科研软件生态系统的基准测试。

Context as a Tool: Context Management for Long-Horizon SWE-Agents

上下文作为工具：长周期SWE代理的上下文管理

Shukai Liu, Jian Yang, Bo Jiang, Yizhi Li, Jinyang Guo, Xianglong Liu, Bryan Dai

机构 * Beihang University（北航大学） ； Manchester（曼彻斯特） ； Ubiquant 纠错

专题命中 软件智能体 ：repository(abstract)；分类 cs.CL

AI总结 CAT通过整合上下文管理工具，提升SWE代理的长周期推理能力，实验表明其在SWE-Bench-Verified上达到57.6%的解决率，显著优于现有方法。

SWE-RM: Execution-free Feedback For Software Engineering Agents

SWE-RM：无执行反馈用于软件工程代理

KaShun Shum, Binyuan Hui, Jiawei Chen, Lei Zhang, X. W., Jiaxi Yang, Yuzhen Huang, Junyang Lin, Junxian He

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 SWE-RM通过混合专家架构提升软件工程代理在TTS和RL中的性能，达到新的开源模型最佳水平。

Comments 21 pages

Co-Evolution of Types and Dependencies: Towards Repository-Level Type Inference for Python Code

类型与依赖的共进化：面向Python代码仓库级类型的推断

Shuo Sun, Shixin Zhang, Jiwei Yan, Jun Yan, Jian Zhang

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

AI总结 本文提出\methodName，通过类型与依赖的共进化实现Python仓库级类型推断，显著提升类型推断准确率并减少新错误。

Comments Accepted by FSE 2026

Vertically resolved minimal-set k-distribution for thermal infrared absorption: an application to the atmosphere of Venus

垂直分辨的最小集合k-分布用于热红外吸收：应用于金星大气

Boris Fomin, Mikhail Razumovskiy

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出一种基于FKDM方法的垂直分辨k-分布技术，用于高效参数化金星大气热红外吸收，实现高精度辐射传输计算。

Comments v2: slightly revised version. Submitted to JQSRT

Systematic Reconstruction of Disease Networks from Longitudinal Blood Data for Causal Discovery and Intervention Analysis

从纵向血液数据系统性重建疾病网络用于因果发现和干预分析

David Patrick Duys Montealegre, Alexander Fulton, Mahta Haghighat Ghahfarokhi, Abicumaran Uthamacumaran, Hector Zenil

专题命中 仓库级理解 ：repository(abstract)

AI总结 本研究提出了一种系统性方法，通过纵向血液数据重建疾病网络，用于因果发现和干预分析，提升临床决策支持的透明性和可解释性。

Comments 15 pages

General Construction of Quantum Error-Correcting Codes from Multiple Classical Codes

从多个经典码构造量子纠错码的通用方法

Yue Wu, Meng-Yuan Li, Chengshu Li, Hui Zhai

专题命中 其他AI编程 ：code model(abstract)

AI总结 本文提出了一种从多个经典码构造量子纠错码的通用方法，展示了其在不同D值下的应用，包括恢复HGP构造和生成多种新构造，统一了多种三维晶格模型。

Comments 6 pages, 4 figures + Supplementary Material 5 pages, 4 figures