代码大模型 / AI 编程

ShortCoder: Knowledge-Augmented Syntax Optimization for Token-Efficient Code Generation

ShortCoder: 用于令牌高效代码生成的知识增强语法优化

Sicong Liu, Yanxian Huang, Mingwei Liu, Jiachi Chen, Ensheng Shi, Yuchi Ma, Hongyu Zhang, Yin Zhang, Yanlin Wang

机构 * Sun Yat-sen University, China（中山大学） ； Huawei Cloud Computing Technologies Co., Ltd., China（华为云计算技术有限公司） ； Chongqing University, China（重庆大学） ； University of Electronic Science and Technology of China, China（电子科技大学） 纠错

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

AI总结 ShortCoder通过语法优化和知识增强提升代码生成效率，实现18.1%-37.8%的效率提升。

OUNLP at TSAR 2025 Shared Task: Multi-Round Text Simplifier via Code Generation

OUNLP在TSAR 2025共享任务中的表现：通过代码生成的多轮文本简化

Cuong Huynh, Jie Cao

机构 * School of Computer Science University of Oklahoma（计算机科学学院俄克拉荷马大学） 纠错

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

AI总结 OUNLP通过代码生成在TSAR 2025共享任务中提出多轮文本简化方法，利用基于规则和LLM的联合简化技术提升可读性控制的文本简化性能。

Comments Accepted to TSAR 2025 Workshop at EMNLP2025

Distribution-Aligned Sequence Distillation for Superior Long-CoT Reasoning

面向优越长链推理的分布对齐序列蒸馏

Shaotian Yan, Kaiyuan Liu, Chen Shen, Bing Wang, Sinan Fan, Jun Zhang, Yue Wu, Zheng Wang, Jieping Ye

机构 * Alibaba Cloud Computing（阿里巴巴云 computing） 纠错

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

AI总结 本文提出DASD-4B-Thinking模型，通过改进序列蒸馏方法，实现高效推理性能，仅用448K样本达到SOTA效果。

Comments Project Page: https://github.com/D2I-ai/dasd-thinking

Bridging the Gap: Empowering Small Models in Reliable OpenACC-based Parallelization via GEPA-Optimized Prompting

弥合差距：通过GEPA优化提示赋能小型模型在可靠OpenACC并行化中的应用

Samyak Jhaveri, Cristina V. Lopes

机构 * School of Information and Computer Science（信息与计算机科学学院） ； University of California, Irvine（加州大学伊文斯顿分校） 纠错

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

AI总结 通过GEPA优化提示提升小型模型在OpenACC并行化中的性能与稳定性。

QueryIPI: Query-agnostic Indirect Prompt Injection on Coding Agents

QueryIPI: 针对编码代理的查询无关间接提示注入

Yuchong Xie, Zesen Liu, Mingyu Luo, Zhixiang Zhang, Kaikai Zhang, Yuanyuan Yuan, Zongjie Li, Ping Chen, Shuai Wang, Dongdong She

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 QueryIPI通过利用系统不变性与工具描述，实现对编码代理的查询无关间接提示注入，实验显示其在模拟代理中达到87%的成功率，揭示了现实中的安全风险。

Soft Contrastive Learning for Time Series

时间序列的软对比学习

Seunghan Lee, Taeyoung Park, Kibok Lee

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

AI总结 SoftCLT通过引入实例级和时间级对比损失，提升时间序列表示学习的质量，适用于多种下游任务。

Comments ICLR 2024 Spotlight

Repairing vulnerabilities without invisible hands. A differentiated replication study on LLMs

修补漏洞而无需隐形之手。对LLMs的差异化复制研究

Maria Camporese, Fabio Massacci

机构 * University of Trento（特伦托大学） 纠错

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

AI总结 本文通过受控实验研究LLM在漏洞修复中的表现，发现其修复能力可能受隐藏因素影响，通过偏移故障位置验证模型是否能复现记忆中的修复方案。

Can LLMs Generate Reliable Test Case Generators? A Study on Competition-Level Programming Problems

LLMs能否生成可靠的测试用例生成器？对竞赛级编程问题的研究

Yuhan Cao, Zian Chen, Kun Quan, Ziliang Zhang, Yu Wang, Xiaoning Dong, Yeqi Feng, Guanzhong He, Jingcheng Huang, Jianhao Li, Yixuan Tan, Jiafu Tang, Yilin Tang, Junlei Wu, Qianyu Xiao, Can Zheng, Shouchen Zhou, Yuxiang Zhu, Yiming Huang, Tianxing He

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； ShanghaiTech University（上海科技大学） ； Wuhan University（武汉大学） ； Fuzhou University（福州大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nanjing University（南京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） 纠错

专题命中 测试生成 ：code generation(abstract)；分类 cs.SE、cs.CL、cs.AI

AI总结 本文研究LLMs在生成竞赛级编程问题测试用例生成器方面的能力，提出TCGBench基准测试，并通过实验发现LLMs在生成针对性测试用例以暴露代码缺陷方面存在不足。

Comments 37 pages, 22 figures

Seeking Human Security Consensus: A Unified Value Scale for Generative AI Value Safety

寻求人类安全共识：面向生成式AI价值安全的统一价值尺度

Ying He, Baiyang Li, Yule Cao, Huirun Xu, Qiuxian Chen, Shu Chen, Shangsheng Ren

专题命中 代码评测 ：repository(abstract)

AI总结 本文提出生成式AI价值安全尺度，通过生命周期视角构建价值安全风险分类和事件库，并通过基准测试揭示模型间价值安全性能差异，强调建立共享安全基础的重要性。

Magnifying change: Rapid burn scar mapping with multi-resolution, multi-source satellite imagery

放大变化：利用多分辨率、多源卫星影像实现快速烧伤区域制图

Maria Sdraka, Dimitrios Michail, Ioannis Papoutsis

机构 * Orion Lab, National Observatory of Athens & National Technical University of Athens（Orion实验室、雅典国家天文观测站及雅典技术大学） ； Department of Informatics and Telematics, Harokopio University of Athens（信息与电信系、哈罗基奥大学） 纠错

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

AI总结 本研究提出BAM-MRCD模型，利用多分辨率、多源卫星影像实现高精度快速烧伤区域制图，适用于野火后快速响应场景。

Breaking the Bottlenecks: Scalable Diffusion Models for 3D Molecular Generation

突破瓶颈：用于3D分子生成的可扩展扩散模型

Adrita Das, Peiran Jiang, Dantong Zhu, Barnabas Poczos, Jose Lugo-Martinez

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出通过反向转移核框架重新解释DDDM，解决分子扩散中的瓶颈问题，提升推理效率和结构保真度。