代码大模型 / AI 编程

Do Not Treat Code as Natural Language: Implications for Repository-Level Code Generation and Beyond

不要将代码视为自然语言：对仓库级代码生成及更广泛领域的启示

Minh Le-Anh, Huyen Nguyen, Khanh An Tran, Nam Le Hai, Linh Ngo Van, Nghi D. Q. Bui, Bach Le

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

AI总结 Hydra通过结构化代码生成框架提升仓库级代码生成性能，超越现有方法并实现更高效依赖检索。

Comments Accepted to FSE 2026

Improving HPC Code Generation Capability of LLMs via Online Reinforcement Learning with Real-Machine Benchmark Rewards

通过实时强化学习与真实机器基准奖励提升LLM的HPC代码生成能力

Ryo Mikasa, Shun-ichiro Hayashi, Daichi Mukunoki, Tetsuya Hoshino, Takahiro Katagiri

机构 * Department of Computer Science, Nagoya University（名古屋大学计算机科学系） ； Graduate School of Informatics, Nagoya University（名古屋大学信息科学研究生院） ； Information Technology Center, Nagoya University（名古屋大学信息技术中心） 纠错

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

AI总结 本研究通过实时强化学习与真实机器基准奖励提升LLM在HPC领域的代码生成能力。

Improving Code Generation via Small Language Model-as-a-judge

通过小型语言模型作为评判者改进代码生成

Giuseppe Crupi, Rosalia Tufano, Gabriele Bavota

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

AI总结 通过训练小型语言模型作为代码正确性评判者，改进代码生成性能，展现其在无需执行信息时优于现有方法，并以更低成本接近大规模模型表现。

Comments Accepted to the 48th International Conference on Software Engineering (ICSE 2026)

VibeCodeHPC: An Agent-Based Iterative Prompting Auto-Tuner for HPC Code Generation Using LLMs

VibeCodeHPC: 基于大语言模型的多智能体迭代提示自动调优系统用于HPC代码生成

Shun-ichiro Hayashi, Koki Morita, Daichi Mukunoki, Tetsuya Hoshino, Takahiro Katagiri

机构 * Graduate School of Informatics（信息学院研究生院） ； Nagoya University（名古屋大学） ； Information Technology Center（信息技术中心） 纠错

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

AI总结 VibeCodeHPC通过多智能体系统实现HPC代码的自动调优，利用大语言模型进行自然语言交互，提升代码性能与开发效率。

Controlled Self-Evolution for Algorithmic Code Optimization

算法代码优化的受控自演进

Tu Hu, Ronghao Chen, Shuo Zhang, Jianghao Yin, Mou Xiao Feng, Jingping Liu, Shaolei Zhang, Wenqi Jiang, Yuqi Fang, Sen Hu, Huacan Wang, Yi Xu

机构 * NJU（南京大学） ； PKU（北京大学） ； Midea-AIRC（美的人工智能研究院） ； ECNU（华东师范大学） ； SYSU（南方科技大学） ； RUC（中国人民大学） ； QuantaAlpha（量子Alpha） ； QuantML（量子机器学习） 纠错

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

AI总结 受控自演进通过改进初始化、反馈引导和经验记忆，提升算法代码优化的效率和效果。

Comments 27 pages

LLM-Driven 3D Scene Generation of Agricultural Simulation Environments

基于大语言模型的农业模拟环境3D场景生成

Arafa Yoncalik, Wouter Jansen, Nico Huebel, Mohammad Hasan Rahmani, Jan Steckel

机构 * Faculty of Applied Engineering – Dept. of Electronics and ICT, University of Antwerp（应用工程学院——电子与信息通信技术系，安特卫普大学） ； Flanders Make Strategic Research Centre（弗拉芒制造战略研究中心） 纠错

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

AI总结 本文提出基于多LLM流水线的农业模拟环境3D场景生成方法，通过模块化设计提升领域特定场景生成的可靠性与精度。

Comments Accepted at IEEE Conference on Artificial Intelligence 2026

Improving the Robustness of Large Language Models for Code Tasks via Fine-tuning with Perturbed Data

通过扰动数据微调提升大语言模型在代码任务中的鲁棒性

Yang Liu, Armstrong Foundjem, Xingfang Wu, Heng Li, Foutse Khomh

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

AI总结 通过扰动数据微调提升大语言模型在代码任务中的鲁棒性，以增强其对对抗性输入的防御能力，同时注意性能的平衡。

Code2Worlds: Empowering Coding LLMs for 4D World Generation

Code2Worlds: 赋能编码大语言模型进行4D世界生成

Yi Zhang, Yunshuang Wang, Zeyu Zhang, Hao Tang

专题命中 代码生成 ：code generation(abstract)

AI总结 Code2Worlds通过双流架构和闭环机制，提升编码大语言模型在4D世界生成中的动态真实性和物理一致性。

On the Adoption of AI Coding Agents in Open-source Android and iOS Development

在开源Android和iOS开发中采用AI编码代理的影响

Muhammad Ahmad Khan, Hasnain Ali, Muneeb Rana, Muhammad Saqib Ilyas, Abdul Ali Bangash

机构 * Lahore University of Management Sciences（拉合尔管理科学大学） 纠错

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

AI总结 本文首次研究了AI编码代理在开源Android和iOS开发中的影响，发现Android项目接收更多AI生成PR且接受率更高，同时任务类别和时间变化对PR解决有显著影响。

Comments Accepted at MSR 2026 Mining Challenge track

A Preliminary Assessment of Coding Agents for CFD Workflows

对CFD工作流程中编码代理的初步评估

Ke Xiao, Haoze Zhang, Yangchen Xu, Runze Mao, Han Li, Zhi X. Chen

专题命中 软件智能体 ：coding agent(title,abstract)

AI总结 本文评估了编码代理在自动化CFD工作流程中的应用，展示了其在提高执行效率和网格生成方面的潜力。

EvoGPT: Leveraging LLM-Driven Seed Diversity to Improve Search-Based Test Suite Generation

EvoGPT：利用LLM驱动的种子多样性改进基于搜索的测试套件生成

Lior Broide, Roni Stern, Argaman Mordoch

机构 * Faculty of Computer and Information Science（计算机与信息科学系） ； Ben-Gurion University of the Negev（内盖夫本·古里安大学） 纠错

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

AI总结 EvoGPT结合LLM生成与进化算法优化，通过强制多样性提升测试套件生成的覆盖率和突变分数。

Automated Test Suite Enhancement Using Large Language Models with Few-shot Prompting

利用少量示例提示的大语言模型自动测试套件增强

Alex Chudic, Gül Çalıklı

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

AI总结 本文研究利用少量示例提示生成高质量单元测试，通过评估不同测试来源对测试质量的影响，提升混合人类-人工智能代码库的测试套件质量。

Comments 13 pages, 3 figures, accepted to ICPC 2026 (34th International Conference on Program Comprehension)

SAFuzz: Semantic-Guided Adaptive Fuzzing for LLM-Generated Code

SAFuzz：基于语义的自适应模糊测试用于大语言模型生成的代码

Ziyi Yang, Kalit Inani, Keshav Kabra, Vima Gupta, Anand Padmanabha Iyer

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

AI总结 SAFuzz通过结合LLM引导的自适应模糊测试，提升算法漏洞检测精度和效率，减少测试时间成本。

Comments 11 pages, 6 figures, 4 tables

PASER: Post-Training Data Selection for Efficient Pruned Large Language Model Recovery

PASER：基于后训练数据选择的高效剪枝大语言模型恢复

Bowei He, Lihao Yin, Hui-Ling Zhen, Xiaokun Zhang, Mingxuan Yuan, Chen Ma

机构 * City University of Hong Kong（香港城市大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 PASER通过后训练数据选择方法高效恢复剪枝大语言模型的能力，显著优于传统基线方法。

Comments Accepted by ICLR 2026

EpicCBR: Item-Relation-Enhanced Dual-Scenario Contrastive Learning for Cold-Start Bundle Recommendation

EpicCBR: 基于物品关系的双场景对比学习用于冷启动捆绑推荐

Yihang Li, Zhuo Liu, Wei Wei

专题命中 仓库级理解 ：repository(abstract)

AI总结 EpicCBR通过多视图对比学习整合物品关系和流行度信息，提升冷启动捆绑推荐的性能。

Comments 10 pages, 3 figures, 5 tables, accepted by WSDM 2026

Transferable Backdoor Attacks for Code Models via Sharpness-Aware Adversarial Perturbation

通过尖锐性感知对抗扰动实现代码模型的可迁移后门攻击

Shuyu Chang, Haiping Huang, Yanjun Zhang, Yujin Huang, Fu Xiao, Leo Yu Zhang

专题命中 其他AI编程 ：code model(title,abstract)；分类 cs.SE

AI总结 STAB通过尖锐性感知对抗扰动实现代码模型的可迁移后门攻击，提升攻击的可转移性和隐蔽性。

Comments 9 pages, 5 figures, Accepted at AAAI 2026

Lieb-Schultz-Mattis constraints from stratified anomalies of modulated symmetries

从调制对称性的分层异常出发的Lieb-Schultz-Mattis约束

Salvatore D. Pace, Daniel Bulmash

专题命中 其他AI编程 ：code model(abstract)

AI总结 本文提出分层对称性算符和异常，揭示其在晶格对称性下导致LSM约束的机制，并通过实例分类了LSM异常。

Comments 35 pages plus appendices