代码大模型 / AI 编程

Fine-Tuning GPT-5 for GPU Kernel Generation

为GPU内核生成微调GPT-5

Ali Tehrani, Yahya Emara, Essam Wissam, Wojciech Paluch, Waleed Atallah, Łukasz Dudziak, Mohamed S. Abdelfattah

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

AI总结 通过强化学习微调GPT-5提升GPU内核生成性能，实现正确率和效率的显著提升。

Towards Better Code Understanding in Decoder-Only Models with Contrastive Learning

在解码器-only模型中通过对比学习实现更好的代码理解

Jiayi Lin, Yanlin Wang, Yibiao Yang, Lei Zhang, Yutao Xie

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

AI总结 本文提出CL4D框架，通过对比学习提升解码器-only模型的代码表示能力，在代码搜索和克隆检测任务中取得优异性能。

Comments AAAI 2026

SecCodePRM: A Process Reward Model for Code Security

SecCodePRM: 一种用于代码安全的过程奖励模型

Weichen Yu, Ravi Mangal, Yinyi Luo, Kai Hu, Jingxuan He, Corina S. Pasareanu, Matt Fredrikson

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

AI总结 SecCodePRM通过一种面向安全的过程奖励模型，提升代码安全性和检测效率，适用于完整代码漏洞检测、部分代码漏洞检测和安全代码生成。

Comments 20 pages

Drawing Your Programs: Exploring the Applications of Visual-Prompting with GenAI for Teaching and Assessment

绘制你的程序：探索视觉提示与生成式AI在教学与评估中的应用

David H. Smith, S. Moonwara A. Monisha, Annapurna Vadaparty, Leo Porter, Daniel Zingaro

专题命中 代码生成 ：code generation(abstract)

AI总结 本文探讨利用视觉提示与生成式AI在编程教学与评估中的应用，通过学生构建的分解图提示GPT-4.1生成代码，展示多模态提示在编程教育中的潜力。

ContextBench: A Benchmark for Context Retrieval in Coding Agents

ContextBench: 一种用于编码代理代码上下文检索的基准测试

Han Li, Letian Zhu, Bohan Zhang, Rili Feng, Jiaming Wang, Yue Pan, Earl T. Barr, Federica Sarro, Zhaoyang Chu, He Ye

机构 * Nanjing University（南京大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 ContextBench通过评估编码代理在问题解决过程中代码上下文的检索能力，揭示了代理在上下文利用上的不足，为改进LLM在软件任务中的推理提供了新的研究方向。

Comments 36 pages, 6 figures, 4 tables

Analyzing GitHub Issues and Pull Requests in nf-core Pipelines: Insights into nf-core Pipeline Repositories

分析 nf-core 流水线中的 GitHub 问题和拉取请求：对 nf-core 流水线仓库的洞察

Khairul Alam, Banani Roy

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

AI总结 本文通过分析 nf-core 流水线的 GitHub 问题和拉取请求，揭示了开发和维护过程中面临的挑战，如工具开发、仓库维护及 CI 配置管理，并提出提升流水线可持续性和可重复性的方法。

Comments 12 pages

DiffuTester: Accelerating Unit Test Generation for Diffusion LLMs via Mining Structural Pattern

DiffuTester: 通过挖掘结构模式加速扩散大语言模型的单元测试生成

Lekang Yang, Yuetong Liu, Yitong Zhang, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； School of Software, Beihang University（北航软件学院） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） 纠错

专题命中 测试生成 ：unit test generation(title,abstract)；分类 cs.SE、cs.CL

AI总结 DiffuTester通过挖掘结构模式提升扩散大语言模型在单元测试生成中的效率，实现高质量测试用例生成。

Comments Update format and add some experimental results

Measuring What Matters: The AI Pluralism Index

衡量重要性：AI多元主义指数

Rashid Mushkani

机构 * Université de Montréal（蒙特利尔大学） ； Mila – Québec AI Institute（魁北克人工智能研究所） 纠错

专题命中 测试生成 ：repository(abstract)；分类 cs.AI

AI总结 本文提出AI多元主义指数，用于衡量人工智能系统在治理、包容性和透明度方面的多元实践，旨在引导激励向多元主义方向发展。

Comments Proceedings of the International Association for Safe & Ethical AI (IASEAI), 2026

EvoCodeBench: A Human-Performance Benchmark for Self-Evolving LLM-Driven Coding Systems

EvoCodeBench：用于自演化LLM驱动编码系统的性能基准

Wentao Zhang, Jianfeng Wang, Liheng Liang, Yilei Zhao, HaiBin Wen, Zhe Zhao

机构 * Nanyang Technological University（南洋理工大学） ； East China University of Science and Technology（东华大学） ； Guangdong Ocean University（广东海洋大学） ； City University of Hong Kong（香港城市大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 EvoCodeBench通过跨语言对比和人类表现评估，评估自演化LLM驱动编码系统的性能提升与效率改进。

Enhancing Multivariate Time Series Forecasting with Global Temporal Retrieval

通过全局时间检索增强多变量时间序列预测

Fanpu Cao, Lu Dai, Jindong Han, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shandong University（山东大学） 纠错

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

AI总结 GTR通过引入全局时间检索模块，有效提升多变量时间序列预测的长期周期性建模能力，实现高效且通用的预测性能改进。

Comments ICLR 2026

Code2MCP: Transforming Code Repositories into MCP Services

Code2MCP: 将代码仓库转化为MCP服务

Chaoqian Ouyang, Ling Yue, Shimin Di, Libin Zheng, Linan Yue, Shaowu Pan, Jian Yin, Min-Ling Zhang

机构 * Sun Yat-sen University（中山大学） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； Southeast University（东南大学） 纠错

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

AI总结 Code2MCP通过自动化将GitHub仓库转换为MCP兼容服务，解决现有MCP工具池不足的问题，促进MCP协议的普及与应用。

MerkleSpeech: Public-Key Verifiable, Chunk-Localised Speech Provenance via Perceptual Fingerprints and Merkle Commitments

MerkleSpeech: 基于感知指纹和梅尔克承诺的公钥可验证、分块本地化的语音来源证明

Tatsunori Ono

机构 * Department of Computer Science, University of Warwick（沃里克大学计算机科学系） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 MerkleSpeech通过感知指纹和梅尔克承诺实现公钥可验证的语音来源证明，提供两个层级的保证，以应对语音处理中的各种转换和干扰。

Comments 16 pages, 4 figures, 3 tables

Nonparametric Least Squares Estimators for Interval Censoring

区间删失数据的非参数最小二乘估计器

Piet Groeneboom

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文研究了区间删失数据中非参数最小二乘估计器的极限分布，探讨了其一致性及模拟结果，指出在多个观测时间情况下，非参数MLE与最小二乘估计器不再等价。

Comments 26 pages, 8 figures