代码大模型 / AI 编程

PrivCode: When Code Generation Meets Differential Privacy

PrivCode: 当代码生成遇见差分隐私

Zheng Liu, Chen Gong, Terry Yue Zhuo, Kecen Li, Weichen Yu, Matt Fredrikson, Tianhao Wang

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

AI总结 PrivCode是一种专门设计用于代码数据集的差分隐私合成器，通过两阶段框架提升隐私和效用，生成高效用代码并保护敏感数据。

Comments Accepted at NDSS 2026; code available at https://github.com/Liuzzyg/PrivCode

Enhancing Formal Software Specification with Artificial Intelligence

用人工智能增强形式软件规范

Antonio Abu Nassar, Eitan Farchi

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 本文提出利用人工智能技术，通过轻量级数学符号和自然语言构建中间规范语言，以降低形式软件规范的开发成本并提高实现正确性。

STELP: Secure Transpilation and Execution of LLM-Generated Programs

STELP: 保障LLM生成程序的编译与执行

Swapnil Shinde, Sahil Wadhwa, Andy Luo, Akshay Gupta, Mohammad Shahed Sorower

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

AI总结 STELP通过安全编译和执行LLM生成的代码，解决生产环境中的安全性和可靠性问题，提升代码执行的安全性与准确性。

GraLoRA: Granular Low-Rank Adaptation for Parameter-Efficient Fine-Tuning

GraLoRA: 颗粒化低秩适应用于参数高效微调

Yeonjoon Jung, Daehyun Ahn, Hyungjun Kim, Taesu Kim, Eunhyeok Park

机构 * SqueezeBits ； POSTECH 纠错

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

AI总结 GraLoRA通过颗粒化低秩适应提升参数高效微调效果，实现比LoRA更高的准确性和鲁棒性。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Discrete Feynman-Kac Correctors

离散费曼-科茨校正器

Mohsin Hasan, Viktor Ohanesian, Artem Gazizov, Yoshua Bengio, Alán Aspuru-Guzik, Roberto Bondesan, Marta Skreta, Kirill Neklyudov

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

AI总结 本研究提出离散费曼-科茨校正器，通过序贯蒙特卡洛算法在推理时控制离散扩散模型的生成分布，实现高效采样和奖励优化。

Comments Code: https://github.com/hasanmohsin/discrete_fkc

Model See, Model Do? Exposure-Aware Evaluation of Bug-vs-Fix Preference in Code LLMs

模型看见，模型做？基于暴露的bug-修复偏好评估

Ali Al-Kaswan, Claudio Spiess, Prem Devanbu, Arie van Deursen, Maliheh Izadi

机构 * Delft University of Technology（代尔夫特理工大学） ； University of California at Davis（加州大学戴维斯分校） 纠错

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

AI总结 研究发现LLM在生成代码时更倾向于重复bug而非修复，暴露于bug的示例加剧了这一倾向，而修复暴露则仅有微小改进，揭示了LLM可能传播记忆错误的风险。

Comments MSR 2026 Technical Track

How Many Human Judgments Are Enough? Feasibility Limits of Human Preference Evaluation

需要多少人判断？人类偏好评估的可行性极限

Wilson Y. Lee

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究发现人类偏好评估中，当偏好信号分散时，比例分配是最佳策略，而精心设计的基准测试能通过减少方差提高检测性。

PlotCraft: Pushing the Limits of LLMs for Complex and Interactive Data Visualization

PlotCraft: 推动大语言模型在复杂和交互式数据可视化中的极限

Jiajun Zhang, Jianke Zhang, Zeyu Cui, Jiaxi Yang, Lei Zhang, Binyuan Hui, Qiang Liu, Zilei Wang, Liang Wang, Junyang Lin

机构 * USTC（University of Science and Technology of China） ； THU（Tsinghua University） ； Alibaba Group（阿里巴巴集团） ； CASIA（Chinese Academy of Sciences Institute of Automation） ； SIAT（State Key Laboratory of Information Security） 纠错

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

AI总结 PlotCraft 提出了一种新的基准和数据集，用于评估大语言模型在复杂和交互式数据可视化任务中的性能，展示了 PlotCraftor 在复杂任务中的显著改进。

MathDoc: Benchmarking Structured Extraction and Active Refusal on Noisy Mathematics Exam Papers

MathDoc: 评估噪声数学试卷上的结构化提取和主动拒绝基准

Chenyue Zhou, Jiayi Tuo, Shitong Qin, Wei Dai, Mingxuan Wang, Ziwei Zhao, Duoyang Li, Shiyang Su, Yanxi Lu, Yanbiao Ma

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Gaotu Techedu Inc.（高途科技公司） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理研究重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程研究中心，教育部） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 MathDoc是首个针对噪声数学试卷的结构化提取和主动拒绝评估基准，揭示了当前MLLMs在处理退化文档时的可靠性缺陷。

Repository Intelligence Graph: Deterministic Architectural Map for LLM Code Assistants

仓库智能图：用于LLM代码助手的确定性架构图

Tsvi Cherny-Shahar, Amiram Yehudai

机构 * Blavatnik School of Computer Science Tel Aviv University（布拉瓦特尼克计算机科学学院特拉维夫大学） 纠错

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

AI总结 本研究提出仓库智能图（RIG）以提升LLM代码助手的构建和测试结构理解能力，通过确定性架构图和SPADE提取器实现结构化问题解答的准确性与效率提升。

Comments 35 pages, 5 figures

Fairness Definitions in Language Models Explained

语言模型中的公平性定义解析

Zhipeng Yin, Zichong Wang, Avash Palikhe, Wenbin Zhang

机构 * Florida International University（佛罗里达国际大学） 纠错

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

AI总结 本文系统解析了语言模型中公平性定义的分类与应用，介绍了现有公平性概念及新分类方法，通过实验探讨其实际影响，旨在推动公平性研究的发展。

The Impact of Generative AI on Architectural Conceptual Design: Performance, Creative Self-Efficacy and Cognitive Load

生成式人工智能对建筑概念设计的影响：性能、创造性自我效能与认知负荷

Han Jiang, Yao Xiao, Rachel Hurley, Shichao Liu

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

AI总结 生成式人工智能在建筑概念设计中对初学者表现有提升，但降低总体创造性自我效能，效果依赖于用户专业知识和提示策略。

Opportunities and Challenges of Natural Language Processing for Low-Resource Senegalese Languages in Social Science Research

自然语言处理在塞内加尔语言社会科学研究中的机遇与挑战

Derguene Mbaye, Tatiana D. P. Mbengue, Madoune R. Seye, Moussa Diallo, Mamadou L. Ndiaye, Dimitri S. Adjanohoun, Cheikh S. Wade, Djiby Sow, Jean-Claude B. Munyaka, Jerome Chenal

机构 * Polytechnic School (ESP)（多科技术校） ； Gaston Berger University (UGB)（加斯顿-伯杰大学） ； Federal Institute of Technology Lausanne (EPFL)（洛桑联邦理工学院） 纠错

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

AI总结 本文探讨了自然语言处理在塞内加尔六种语言社会科学研究中的机遇与挑战，提出构建可持续的NLP生态系统，强调伦理治理与跨学科合作。

Fast MRI Reconstruction Using Deep Learning-based Compressed Sensing: A Systematic Review

使用深度学习的压缩感知进行快速MRI重建：系统综述

Mojtaba Safari, Zach Eidex, Chih-Wei Chang, Richard L. J. Qiu, Xiaofeng Yang

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文综述了基于深度学习的压缩感知MRI重建技术，探讨了其在提升成像速度和图像质量方面的应用与未来发展。