arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

AI 大模型

代码大模型 / AI 编程

代码生成、软件工程智能体、程序修复、测试生成和开发者工具。

2026-02-20 至 2026-02-20 共收录 5 信号源:cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 代码生成 5 篇

2602.17169 2026-02-20 cs.AR 78%

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.17100 2026-02-20 cs.MA 78%

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.17091 2026-02-20 cs.SE 74%

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.16741 2026-02-20 cs.CR cs.AI cs.LG 62%

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

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.17386 2026-02-20 cs.AI cs.IR 57%

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)

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

详情

展开后加载摘要…

URL PDF HTML 收藏