代码大模型 / AI 编程

Comment Traps: How Defective Commented-out Code Augment Defects in AI-Assisted Code Generation

评论陷阱：缺陷评论代码如何增强AI辅助代码生成中的缺陷

Yuan Huang, Yukang Zhou, Xiangping Chen, Zibin Zheng

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

AI总结 本研究探讨了缺陷注释代码如何影响AI编码助手生成缺陷代码，发现其生成缺陷率高达58.17%，并指出需提升AI编码助手的鲁棒性与安全性。

Comments Accepted to the The ACM International Conference on the Foundations of Software Engineering (FSE) (FSE 2026)

Algorithm-Based Pipeline for Reliable and Intent-Preserving Code Translation with LLMs

基于算法的可靠且意图保留的代码翻译管道

Shahriar Rumi Dipto, Saikat Mondal, Chanchal K. Roy

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

AI总结 本文提出一种基于算法的代码翻译管道，通过引入语言中立的中间规范提升翻译准确性和可靠性，实验结果显示其在多个指标上均优于直接翻译方法。

Comments Accepted at 34th IEEE/ACM International Conference on Program Comprehension (ICPC 2026)

A Unified, Cross-Platform Framework for Automatic GUI and Plugin Generation in Structural Bioinformatics and Beyond

一种统一的跨平台框架，用于结构生物信息学及其他领域的自动GUI和插件生成

Sikao Guo, Edoardo Sarti, Frédéric Cazals

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

AI总结 本文提出了一种统一的跨平台框架，用于自动化生成结构生物信息学及其他领域的GUI和插件，通过MVP模式实现可重用性和跨平台兼容性。

Comments 10 pages, 4 figures

Unveiling the Role of ChatGPT in Software Development: Insights from Developer-ChatGPT Interactions on GitHub

揭示ChatGPT在软件开发中的作用：来自GitHub上开发者与ChatGPT交互的洞察

Ruiyin Li, Peng Liang, Yifei Wang, Yangxiao Cai, Weisong Sun, Zengyang Li

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

AI总结 本研究通过分析GitHub上的开发者与ChatGPT交互数据，揭示了ChatGPT在软件开发中的应用特点及实际作用。

Comments Preprint accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM), 2026

SPARC: Scenario Planning and Reasoning for Automated C Unit Test Generation

SPARC：面向自动化C单元测试生成的场景规划与推理

Jaid Monwar Chowdhury, Chi-An Fu, Reyhaneh Jabbarvand

机构 * Bangladesh University of Engineering and Technology（孟加拉工程科技大学） ； National Taiwan University（台湾国立大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 SPARC通过神经符号方法和场景规划，提升C语言单元测试生成的覆盖率和代码质量，显著优于传统方法。

Comments 9 pages, 6 figures, 4 tables

FeatBench: Towards More Realistic Evaluation of Feature-level Code Generation

FeatBench: 向更真实的特征级代码生成评估迈进

Haorui Chen, Chengze Li, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanjing University（南京大学） 纠错

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

AI总结 FeatBench提出了一种新的特征级代码生成评估基准，通过真实任务输入和动态数据构建，解决现有基准的局限性，并揭示了代理在实现中的激进行为问题。

The Perplexity Paradox: Why Code Compresses Better Than Math in LLM Prompts

困惑性悖论：为什么代码在LLM提示中比数学压缩得更好

Warren Johnson

机构 * Bona Opera Studios（博纳歌剧工作室） 纠错

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

AI总结 本文揭示代码在LLM提示中比数学压缩更有效的原因，并提出TAAC算法实现更高效的压缩。

Comments 19 pages, 5 figures, 4 tables. Second paper in TAAC research series. Code and data at https://github.com/micoverde/taac-llm-compression

Can Causality Cure Confusion Caused By Correlation (in Software Analytics)?

因果能否消除由相关性引起的混淆（在软件分析中）？

Amirali Rayegan, Tim Menzies

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

AI总结 本研究探讨在符号模型中引入因果意识分割标准是否能提升稳定性与鲁棒性，并比较人类与自动化模型的稳定性差异。

Comments Submitted to MSR'26 in Registered Report track

MARLEM: A Multi-Agent Reinforcement Learning Simulation Framework for Implicit Cooperation in Decentralized Local Energy Markets

MARLEM：一种用于分布式本地能源市场隐式合作的多智能体强化学习仿真框架

Nelson Salazar-Pena, Alejandra Tabares, Andres Gonzalez-Mancera

机构 * Department of Mechanical Engineering, Universidad de los Andes（机械工程系，洛斯安第斯大学） ； Department of Industrial Engineering, Universidad de los Andes（工业工程系，洛斯安第斯大学） 纠错

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

AI总结 MARLEM框架通过增强智能体观测和奖励的系统级指标，促进本地能源市场中的隐式合作，提升市场效率和电网稳定性。

Comments 32 pages, 7 figures, 1 table, 1 algorithm

Hybrid Tabletop Exercise (TTX) based on a Mathematical Simulation-based Model for the Maritime Sector

基于数学模拟模型的混合桌面演练（TTX）用于海运领域

Diego Cabuya-Padilla, Daniel Díaz-López, Carlos Castaneda-Marroquín

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出一种基于数学模拟模型的混合桌面演练，用于提升海运领域网络安全态势感知和治理能力。

Comments 8 pages, 5 figures, paper in proceedings of the X National Cybersecurity Research Conference (JNIC) in Zaragoza, Spain, June, 2025