代码大模型 / AI 编程

SimulatorCoder: DNN Accelerator Simulator Code Generation and Optimization via Large Language Models

SimulatorCoder: 基于大语言模型的DNN加速器模拟器代码生成与优化

Yuhuan Xia, Tun Li, Hongji Zhou, Xianfa Zhou, Chong Chen, Ruiyu Zhang

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

AI总结 SimulatorCoder利用大语言模型生成并优化DNN加速器模拟器代码，通过结构化提示和反馈机制提升代码准确性和模拟性能。

AgentConductor: Topology Evolution for Multi-Agent Competition-Level Code Generation

AgentConductor: 多智能体竞争级代码生成中的拓扑演化

Siyu Wang, Ruotian Lu, Zhihao Yang, Yuchao Wang, Yanzhou Zhang, Lei Xu, Qimin Xu, Guojun Yin, Cailian Chen, Xinping Guan

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

AI总结 AgentConductor通过动态拓扑生成和强化学习优化，提升多智能体系统在竞争级代码生成中的性能和效率。

What to Cut? Predicting Unnecessary Methods in Agentic Code Generation

什么要删？在代理代码生成中预测不必要的方法

Kan Watanabe, Tatsuya Shirai, Yutaro Kashiwa, Hajimu Iida

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

AI总结 本文提出了一种预测模型，用于识别在代理代码生成中可能被删除的功能，通过分析不同删除原因的特征，提升审查效率。

Can Adversarial Code Comments Fool AI Security Reviewers -- Large-Scale Empirical Study of Comment-Based Attacks and Defenses Against LLM Code Analysis

对抗性代码注释能否欺骗AI安全审查员 -- 大规模实证研究：基于注释的攻击与防御对抗大语言模型代码分析

Scott Thornton

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

AI总结 研究探讨了对抗性代码注释对AI安全审查的影响，发现其对漏洞检测无显著影响，静态分析交叉参考效果最佳。

Comments 19 pages, 6 figures

Visual Model Checking: Graph-Based Inference of Visual Routines for Image Retrieval

视觉模型检查：基于图的图像检索中的视觉例行程序推断

Adrià Molina, Oriol Ramos Terrades, Josep Lladós

机构 * Centre de Visió per Computador（视觉计算中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） 纠错

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

AI总结 本文提出一种结合图基验证与神经代码生成的框架，用于提升图像检索中复杂查询的可信度和可验证性。

Comments Submitted for ICPR Review

Hybrid-Gym: Training Coding Agents to Generalize Across Tasks

Hybrid-Gym: 训练能够跨任务泛化的编码代理

Yiqing Xie, Emmy Liu, Gaokai Zhang, Nachiket Kotalwar, Shubham Gandhi, Sathwik Acharya, Xingyao Wang, Carolyn Rose, Graham Neubig, Daniel Fried

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 Hybrid-Gym通过设计合成任务训练编码代理，提升其跨任务泛化能力，在多个基准测试中取得显著效果。

How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses

AI 编程代理如何交流：对拉取请求描述特征和人类审查响应的研究

Kan Watanabe, Rikuto Tsuchida, Takahiro Monno, Bin Huang, Kazuma Yamasaki, Youmei Fan, Kazumasa Shimari, Kenichi Matsumoto

机构 * Nara Institute of Science and Technology（奈良科学技術研究所） 纠错

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

AI总结 本研究分析了AI编程代理在拉取请求描述风格上的差异及其对人类审查员响应的影响，揭示了人机协作开发中的关键因素。

Not Only for Developers: Exploring Plugin Maintenance for Knowledge-Centric Communities

不仅仅为开发者：探索知识导向社区的插件维护

Giovanni Rosa, David Moreno-Lumbreras, Raula Gaikovina Kula

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

AI总结 研究探讨了非开发者主导社区中插件生态系统的维护，通过分析Obsidian平台的插件发现六个知识管理相关主题，并揭示了其工程结构和可持续性问题。

Comments Accepted to SANER2026

HAFix: History-Augmented Large Language Models for Bug Fixing

HAFix: 历史增强型大语言模型用于缺陷修复

Yu Shi, Abdul Ali Bangash, Emad Fallahzadeh, Bram Adams, Ahmed E. Hassan

专题命中 程序修复 ：code generation(abstract)；分类 cs.SE

AI总结 HAFix通过整合历史启发式方法提升LLM在缺陷修复中的性能，实验表明其在缺陷修复率上显著优于基线方法。

Comments Accepted at Empirical Software Engineering (EMSE) 2026 Journal

A Network Science Approach to Granular Time Series Segmentation

一种基于网络科学的粒度时间序列分割方法

Ivana Kesić, Carolina Fortuna, Mihael Mohorčič, Blaž Bertalanič

机构 * Jožef Stefan Institute（乔塞夫·斯塔芬研究所） 纠错

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

AI总结 本文提出一种基于网络科学的粒度时间序列分割方法，通过将时间序列转换为图并结合图注意力网络，提升分割精度，达到0.97的平均F1分数，并在多个基准数据集上优于基线方法。

Comments 20 pages, 11 figures

Haskell meets Evariste

Haskell 与 Evariste 的交汇

Paulo R. Pereira, Jose N. Oliveira

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

AI总结 本文探讨了通过易难分拆策略提升Haskell函数文档清晰度和概念设计的方法，并展示了其在程序分析与综合中的应用价值。

Visual Insights into Agentic Optimization of Pervasive Stream Processing Services

面向普及流处理服务的代理优化可视化

Boris Sedlak, Víctor Casamayor Pujol, Schahram Dustdar

专题命中 仓库级理解 ：repository(abstract)

AI总结 本研究提出了一种面向普及流处理服务的自动扩展平台，通过代理优化服务执行，提升资源利用率和系统性能。

Multi-Task Lifelong Reinforcement Learning for Wireless Sensor Networks

多任务终身强化学习用于无线传感器网络

Hossein Mohammadi Firouzjaei, Rafaela Scaciota, Sumudu Samarakoon

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出了一种基于终身强化学习的多任务自适应策略，用于提升无线传感器网络在动态环境中的能耗效率和稳定性。

Journal ref Proc. IEEE PIMRC 2025, pp. 1-6

Mason: Type- and Name-Guided Program Synthesis

Mason: 基于类型和名称的程序合成

Jasper Geer, Fox Huston, Jeffrey S. Foster

专题命中 程序分析与验证 ：program synthesis(title)；分类 cs.PL

AI总结 Mason通过类型和名称引导合成技术，自动将设计模式插入到面向对象程序中，提升了多类程序合成的效率和准确性。