代码大模型 / AI 编程 - arXivDaily 专题

2510.10216 2026-02-09 cs.PL cs.AI cs.SE 89%

Learning to Guarantee Type Correctness in Code Generation through Type-Guided Program Synthesis

通过类型引导的程序合成学习保证类型正确性

Zhechong Huang, Zhao Zhang, Ruyi Ji, Tingxuan Xia, Qihao Zhu, Qinxiang Cao, Zeyu Sun, Wiggin Zhou, Yingfei Xiong

机构 * Peking University（北京大学）； University of Michigan（密歇根大学）； Shanghai Jiao Tong University（上海交通大学）； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）； Tencent（腾讯）

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

AI总结 TyFlow 通过内部化类型推理，提升代码生成的类型正确性与功能正确性。

2601.02075 2026-02-09 cs.CE cs.LG 79%

MDAgent2: Large Language Model for Code Generation and Knowledge Q&A in Molecular Dynamics

MDAgent2：用于分子动力学中代码生成和知识问答的大型语言模型

Zhuofan Shi, Hubao A, Yufei Shao, Dongliang Huang, Hongxu An, Chunxiao Xin, Haiyang Shen, Zhenyu Wang, Yunshan Na, Gang Huang, Xiang Jing

机构 * Peking University（北京大学）； National Key Laboratory of Data Space Technology and System（国家数据空间技术与系统重点实验室）； The Hong Kong University of Science and Technology（香港科学与技术大学）； Liaoning Technical University（辽宁技术大学）； Wenjing Future Lab (Beijing) Technology Co., Ltd（文景未来实验室（北京）科技有限公司）

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

AI总结 MDAgent2是首个能同时进行分子动力学知识问答和代码生成的端到端框架，通过领域特定数据集和强化学习方法提升性能。

Comments 24 pages,4 figures

2506.12014 2026-02-09 cs.CL cs.AI cs.LG cs.SE 70%

code_transformed: The Influence of Large Language Models on Code

code_transformed: 大型语言模型对代码的影响

Yuliang Xu, Siming Huang, Mingmeng Geng, Yao Wan, Xuanhua Shi, Dongping Chen

机构 * Huazhong University of Science and Technology（华中科技大学）； École normale supérieure - Université PSL（巴黎高等师范学院-巴黎大学）； Laboratoire LATTICE（LATTICE实验室）； International School for Advanced Studies (SISSA)（国际先进研究学院（SISSA））

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

AI总结本文研究了大型语言模型对代码风格的影响，通过分析GitHub仓库中的代码，发现命名规范、复杂性等指标的变化，揭示LLMs对现实编程实践的深远影响。

Comments EACL 2026 Findings

2511.07865 2026-02-09 cs.SE cs.AI cs.CL cs.MA 67%

LLM-Powered Fully Automated Chaos Engineering: Towards Enabling Anyone to Build Resilient Software Systems at Low Cost

基于大语言模型的完全自动化混沌工程：实现任何人以低成本构建容错软件系统

Daisuke Kikuta, Hiroki Ikeuchi, Kengo Tajiri

机构 * NTT, Inc., Japan（日本NTT公司）

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

AI总结本文提出ChaosEater系统，利用大语言模型自动化混沌工程周期，使任何人能低成本构建容错软件系统。

Comments Accepted at ASE 2025 NIER Track. The code is available at https://github.com/ntt-dkiku/chaos-eater

Journal ref 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)

2512.21446 2026-02-09 cs.LG cs.AI 62%

dUltra: Ultra-Fast Diffusion Language Models via Reinforcement Learning

dUltra: 通过强化学习实现超快扩散语言模型

Shirui Chen, Jiantao Jiao, Lillian J. Ratliff, Banghua Zhu

机构 * University of Washington（华盛顿大学）； University of California, Berkeley（加州大学伯克利分校）

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

AI总结 dUltra通过端对端强化学习框架实现超快扩散语言模型，提升并行生成效率和准确性。

2504.20406 2026-02-09 cs.AI cs.SE 62%

Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs

通过离线模拟与LLM实现软件脚本自动化中的技能发现

Paiheng Xu, Gang Wu, Xiang Chen, Tong Yu, Chang Xiao, Franck Dernoncourt, Tianyi Zhou, Wei Ai, Viswanathan Swaminathan

机构 * University of Maryland, College Park（马里兰大学College Park分校）； Adobe Research（Adobe研究院）

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

AI总结本文提出了一种利用离线模拟与LLM构建软件特定技能集的方法，通过生成和验证脚本提升自动化效率，减少运行时成本。

Comments Findings of the Association for Computational Linguistics: EACL 2026

1. 代码生成 6 篇