代码大模型 / AI 编程

Anka: A Domain-Specific Language for Reliable LLM Code Generation

Anka：一种用于可靠LLM代码生成的领域特定语言

Saif Khalfan Saif Al Mazrouei

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 Anka是一种专为复杂代码生成设计的领域特定语言，通过约束语法显著减少错误，使LLM在多步骤任务中表现优于Python。

Comments 11 pages, 1 figure, 4 tables. Code and benchmarks available at https://github.com/BleBlo/Anka

Parallelized Code Generation from Simulink Models for Event-driven and Timer-driven ROS 2 Nodes

基于Simulink模型的并行代码生成用于事件驱动和定时驱动的ROS 2节点

Kenshin Obi, Ryo Yoshinaka, Hiroshi Fujimoto, Takuya Azumi

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

AI总结 本文提出了一种基于MBD的框架，用于实现事件驱动和定时驱动的ROS 2节点的并行代码生成，解决了多输入场景下的并行化问题。

Journal ref Proceedings of the 50th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), 2024, pp. 48-55

M2G-Eval: Enhancing and Evaluating Multi-granularity Multilingual Code Generation

M2G-Eval: 提升和评估多粒度多语言代码生成

Fanglin Xu, Wei Zhang, Jian Yang, Guo Chen, Aishan Liu, Zhoujun Li, Xianglong Liu, Bryan Dai

机构 * Beihang University（北航大学） ； Hunan University（湖南大学） ； Ubiquant 纠错

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

AI总结 M2G-Eval通过多粒度多语言框架评估代码生成能力，揭示了不同粒度任务的难度差异和跨语言学习的关联性。

CME-CAD: Heterogeneous Collaborative Multi-Expert Reinforcement Learning for CAD Code Generation

CME-CAD：异构协作多专家强化学习用于CAD代码生成

Ke Niu, Haiyang Yu, Zhuofan Chen, Zhengtao Yao, Weitao Jia, Xiaodong Ge, Jingqun Tang, Benlei Cui, Bin Li, Xiangyang Xue

机构 * Fudan University（复旦大学） ； ByteDance Inc（字节跳动公司） 纠错

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

AI总结 CME-CAD通过异构协作多专家强化学习方法，提升CAD代码生成的精度和可编辑性，提出两阶段训练流程并构建开源基准CADExpert。

Attention Is All You Need for KV Cache in Diffusion LLMs

注意力是扩散大语言模型中KV缓存的所有需求

Quan Nguyen-Tri, Mukul Ranjan, Zhiqiang Shen

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Elastic-Cache方法，通过适应性缓存更新提升扩散LLM的解码效率和生成质量。

Comments Code at: https://github.com/VILA-Lab/Elastic-Cache

AKG kernel Agent: A Multi-Agent Framework for Cross-Platform Kernel Synthesis

AKG核代理：跨平台核合成的多智能体框架

Jinye Du, Quan Yuan, Zuyao Zhang, Yanzhi Yi, Jiahui Hu, Wangyi Chen, Yiyang Zhu, Qishui Zheng, Wenxiang Zou, Xiangyu Chang, Zuohe Zheng, Zichun Ye, Chao Liu, Shanni Li, Renwei Zhang, Yiping Deng, Xinwei Hu, Xuefeng Jin, Jie Zhao

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） ； Hunan University（湖南大学） 纠错

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

AI总结 AKG核代理是一种多智能体系统，通过自动化核生成、迁移和性能调优，提升跨平台核开发效率。

How Safe Are AI-Generated Patches? A Large-scale Study on Security Risks in LLM and Agentic Automated Program Repair on SWE-bench

AI生成的补丁有多安全？一项针对LLM和代理自动程序修复在SWE-bench上的大规模安全风险研究

Amirali Sajadi, Kostadin Damevski, Preetha Chatterjee

机构 * Drexel University（德雷塞尔大学） ； Virginia Commonwealth University（弗吉尼亚共同wealth大学） 纠错

专题命中 软件智能体 ：program repair(title,abstract)；分类 cs.SE、cs.LG

AI总结 本研究评估了LLM和代理框架生成补丁的安全性，发现LLM引入新漏洞，代理工作流在自主权高时也产生漏洞，需考虑上下文因素进行风险评估。

GraphLocator: Graph-guided Causal Reasoning for Issue Localization

GraphLocator: 图引导的因果推理用于问题定位

Wei Liu, Chao Peng, Pengfei Gao, Aofan Liu, Wei Zhang, Haiyan Zhao, Zhi Jin

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

AI总结 GraphLocator通过因果图发现和动态解构解决软件问题定位中的因果不匹配和一对一不匹配问题，提升定位准确性和下游任务性能。

A Design Space for Intelligent Agents in Mixed-Initiative Visual Analytics

混合倡议式可视化分析中智能代理的设计空间

Tobias Stähle, Matthijs Jansen op de Haar, Sophia Boyer, Rita Sevastjanova, Arpit Narechania, Mennatallah El-Assady

专题命中 软件智能体 ：software agent(abstract)

AI总结 本文提出了一种混合倡议式可视化分析中智能代理的设计空间框架，通过系统回顾90个系统，提出了六个维度来表征代理能力，并为未来研究提供了方向。

Syntax Is Not Enough: An Empirical Study of Small Transformer Models for Neural Code Repair

语法不够：小型Transformer模型在神经代码修复中的实证研究

Shaunak Samant

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

AI总结 本研究通过实验证明，小型Transformer模型在修复Java错误时，虽然能生成语法正确的代码，但无法达到语义正确的修复效果。

SPIRAL: Symbolic LLM Planning via Grounded and Reflective Search

SPIRAL：通过 grounded 和 reflective 搜索实现符号 LLM 规划

Yifan Zhang, Giridhar Ganapavarapu, Srideepika Jayaraman, Bhavna Agrawal, Dhaval Patel, Achille Fokoue

机构 * IBM T.J. Watson Research Center（IBM TJ沃森研究中心） 纠错

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

AI总结 SPIRAL 通过 grounded 和 reflective 搜索实现更稳健高效的 LLM 规划

An Architecture-Led Hybrid Report on Body Language Detection Project

以架构为导向的混合报告：身体语言检测项目

Thomson Tong, Diba Darooneh

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

AI总结 本报告分析了两种视觉-语言模型的架构特性，并探讨了其在视频到制品管道中的应用及系统限制。

ForeCal: Random Forest-based Calibration for DNNs

ForeCal：基于随机森林的DNN校准

Dhruv Nigam

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

AI总结 ForeCal是一种基于随机森林的DNN事后校准方法，通过弱单调性和范围保持性实现更精确的校准，优于现有方法并在保持判别能力的同时降低校准误差。

Journal ref CODS-COMAD 2024