代码大模型 / AI 编程

HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors

HogVul: 针对基于语言模型的漏洞检测器的黑盒对抗代码生成框架

Jingxiao Yang, Ping He, Tianyu Du, Sun Bing, Xuhong Zhang

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

AI总结 HogVul通过整合词汇和语法扰动，利用粒子群优化策略提升对抗攻击效果，实验显示其在漏洞检测器攻击成功率上提升26.05%。

Comments AAAI26

Detection of LLM-Paraphrased Code and Identification of the Responsible LLM Using Coding Style Features

检测 LLM 生成的代码并识别负责的 LLM 使用编码风格特征

Shinwoo Park, Hyundong Jin, Jeong-won Cha, Yo-Sub Han

机构 * Yonsei University（延世大学） ； Changwon National University（昌原国立大学） 纠错

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

AI总结 本文提出通过编码风格特征检测 LLM 生成的代码并识别负责的 LLM，改进了检测性能和效率。

Comments In Engineering Applications of Artificial Intelligence, Vol. 162, December 2025

Understanding LLM-Driven Test Oracle Generation

理解由大语言模型驱动的测试 oracle 生成

Adam Bodicoat, Gunel Jahangirova, Valerio Terragni

机构 * University of Auckland（奥克兰大学） ； King's College London（伦敦国王学院） 纠错

专题命中 测试生成 ：unit test generation(abstract)；分类 cs.SE、cs.AI、cs.LG

AI总结 本文研究了大语言模型在生成测试 oracle 以暴露软件故障中的有效性，探讨了提示策略和上下文输入对 oracle 质量的影响。

Comments Accepted for presentation at the 2nd ACM/IEEE International Conference on AI-powered Software (AIware 2025)

Journal ref Proc. 2nd ACM/IEEE International Conference on AI-powered Software (AIware 2025), 2025

SPAN: Benchmarking and Improving Cross-Calendar Temporal Reasoning of Large Language Models

SPAN：大型语言模型跨日历时间推理的基准测试与改进

Zhongjian Miao, Hao Fu, Chen Wei

机构 * Li Auto（利亚特） 纠错

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

AI总结 SPAN通过开发时间代理提升大型语言模型跨日历时间推理能力，实验显示其准确率高达95.31%

Comments Accepted at the AAAI 2026 conference. This version includes the supplementary appendix

From Laboratory to Real-World Applications: Benchmarking Agentic Code Reasoning at the Repository Level

从实验室到现实应用：在仓库级别评估代理代码推理

Jia Li, Yuxin Su, Michael R. Lyu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 RepoReason提出了一种白盒诊断基准测试，通过执行驱动的突变框架和动态程序切片，量化推理能力，揭示集成宽度是代理代码推理的主要瓶颈。

Package-Aware Approach for Repository-Level Code Completion in Pharo

面向仓库的代码补全的包感知方法

Omar Abedelkader, Stéphane Ducasse, Oleksandr Zaitsev, Romain Robbes, Guillermo Polito

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

AI总结 本文提出一种包感知的代码补全方法，通过优先考虑同一包内的类来提升补全准确性，实验表明其在MRR指标上优于传统方法。

Categorical Foundations for CuTe Layouts

CuTe布局的范畴基础

Jack Carlisle, Jay Shah, Reuben Stern, Paul VanKoughnett

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

AI总结 本文提出一个范畴框架，用于理解和实现CuTe布局代数，通过定义Tuple和Nest范畴及其态射操作，提供与CUTLASS行为一致的Python实现。

Comments 174 pages

From See to Shield: ML-Assisted Fine-Grained Access Control for Visual Data

从看见到防护：基于机器学习的细粒度访问控制用于视觉数据

Mete Harun Akcay, Buse Gul Atli, Siddharth Prakash Rao, Alexandros Bakas

机构 * Abo Akademi University, Nokia Bell Labs, Finland（阿博阿卡迪米大学、诺基亚贝尔实验室，芬兰） ； Linköping University, Nokia Bell Labs, Sweden（林肯皮大学、诺基亚贝尔实验室，瑞典） ； Nokia Bell Labs, Finland（诺基亚贝尔实验室，芬兰） 纠错

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

AI总结 本文提出一种基于机器学习的细粒度视觉数据访问控制系统，通过混合加密方案实现敏感信息的高效保护与策略执行，提升了隐私敏感对象检测的准确性和系统性能。

Comments 11 pages, 4 figures, 6 tables. In submission

Knowledge-Driven Multi-Turn Jailbreaking on Large Language Models

基于知识的多轮对抗攻击大语言模型

Songze Li, Ruishi He, Xiaojun Jia, Jun Wang, Zhihui Fu

机构 * Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 Mastermind通过动态知识库和分层规划架构，实现对大语言模型的高效多轮对抗攻击，显著提升攻击效果和防御韧性。