代码大模型 / AI 编程

Behavior Specification-Guided Program Synthesis for Binary Deobfuscation

行为规范引导的二进制代码反混淆程序合成

Kangchen Zhu, Shangwen Wang, Zhiliang Tian, Zhouyang Jia, Xiaoling Li, Jun Ma, Jie Yu, Xiaoguang Mao

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

AI总结 针对二进制反混淆领域的局限，本文提出BinMirror方法，将二进制反混淆转化为行为规范引导的程序合成任务，在150万个合成混淆二进制文件上的评估显示其性能优于现有基线，单元测试Pass@1达74.5%。

When to Ponder: Adaptive Compute Allocation for Code Generation via Test-Time Training

何时思考：通过测试时间训练实现的自适应计算分配

Gihyeon Sim

机构 * Dongpae High School, Paju, Gyeonggi-do, Republic of Korea（京畿道帕久郡东垈高中） 纠错

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

AI总结 通过测试时间训练实现自适应计算分配，利用自监督重建损失选择性更新，提升代码语言建模性能

Comments 14 pages, 1 figure, 14 tables, code available at this https URL (https://github.com/deveworld/ponderTTT)

EditPPT: Faithful Long-Deck Slide Editing via Structured Tool-Using Multi-Agent with Dual-Modal Validators

EditPPT：基于结构化工具使用多智能体与双模态验证器的忠实长文档幻灯片编辑

Jiheon Kim, Kyudan Jung, Jaegul Choo

机构 * KAIST AI（韩国科学技术院人工智能学院） 纠错

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

AI总结 本文提出EditPPT多智能体框架，通过PowerPoint COM接口执行局部操作并结合双模态验证，在DeckEdit-Bench基准上实现高执行率等指标，解决长文档幻灯片编辑的级联错误问题。

Comments 30 pages, 7 figures, 17 tables, EMNLP 2026 submitted, under review

Beyond Prompt Engineering: A Systematic Analysis of Prompt Lexical Sensitivity and Its Impacts on Quality

提示工程之外：提示词词汇敏感性及其对质量影响的系统性分析

Qipeng Xie, Zi Liang, Jiafei Wu, Yufei Chen, Weizheng Wang, Wenao Ma, Zhong Ming, Haiqin Yang, Kaishun Wu

机构 * Shenzhen Technology University（深圳技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang Lab（之江实验室） ； The Chinese University of Hong Kong（香港中文大学） ； HKUST (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 该研究针对大型语言模型的提示词词汇敏感性开展大规模机制分析，揭示提示词性能稳定性缩放定律，提出自动化提示词优化智能体，可降低代码生成任务性能方差40.7%，为鲁棒提示工程提供可解释框架。

Library Hallucinations in LLM-Generated Code: A Risk Analysis Grounded in Developer Queries

LLM生成代码中的库幻觉：基于开发者查询的风险分析

Lukas Twist, Mark Harman, Helen Yannakoudakis, Jie M. Zhang

机构 * King’s College London（伦敦国王学院） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文研究了LLM生成代码中库幻觉的风险，通过分析用户提示变化对库幻觉的影响，揭示了系统性漏洞，并提出了LibHalluBench基准测试以评估这些幻觉。

Comments 28 pages, 1 figure, 13 tables. Accepted to Proceedings of EMNLP 2026

AIRL-S: Unifying Reinforcement Learning and Search-Based Test-Time Scaling via Adversarial Inverse Reinforcement Learning

你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成

Can Jin, Yang Zhou, Qixin Zhang, Hongwu Peng, Di Zhang, Zihan Dong, Marco Pavone, Ligong Han, Zhang-Wei Hong, Tong Che, Dimitris N. Metaxas

机构 * Rutgers University（新泽西州立大学） ； Nanyang Technological University（南洋理工大学） ； University of Connecticut（康涅狄格大学） ； Fudan University（复旦大学） ； NVIDIA Research（NVIDIA研究） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。

Vibe Coding: Practice, Performance, Productivity, and Risk -A State-of-the-Art Review

Vibe编程：实践、性能、生产力与风险——一项最新进展综述

Dominik L. Michels, Mutaz Abu Ghazaleh, Francois Lazzari, Nabil Kassem, Jonathan Klein

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

AI总结 本综述针对2025年提出的Vibe编程，梳理跨学科实证证据，发现其代码生成可靠但故障检测弱，生产力结果因测量方式等差异存在分歧，还存在安全、版权及技能萎缩问题，提出新代码收益真实、成熟代码收益收缩的猜想。

Maximum Likelihood Reinforcement Learning

最大似然强化学习

Fahim Tajwar, Guanning Zeng, Yueer Zhou, Yuda Song, Daman Arora, Yiding Jiang, Jeff Schneider, Ruslan Salakhutdinov, Haiwen Feng, Andrea Zanette

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） 纠错

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

AI总结 MaxRL是一种基于采样的强化学习框架，通过最大似然估计提升模型训练效率，实验显示其在多个任务中表现优于现有方法。

Comments ICML 2026. Project website: this https URL (https://zanette-labs.github.io/MaxRL/)

When Looks Do Not Lie: Discourse Structure Guided In-Context Learning for Faithful Diagram Generation

用上下文示例能改进教育图表生成吗？如果幻觉破坏了整体效果就不能

Evanfiya Logacheva, Arto Hellas, Tsvetomila Mihaylova, Juha Sorva, Ava Heinonen, Juho Leinonen

机构 * Aalto University（阿尔托大学） 纠错

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

AI总结 本研究通过基于RST的上下文示例方法改进教育图表生成，发现高复杂度上下文增加幻觉风险，LLMs难以检测错误。

Reward Engineering for Software Tasks: A Survey of Reinforcement Learning Approaches

软件任务中强化学习的奖励工程

Md Rayhanul Masud, Azmine Toushik Wasi, Salman Rahman, Md Rizwan Parvez

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

AI总结 本文系统综述了强化学习在软件任务中奖励工程的方法与挑战，旨在整合现有奖励设计方法并提供全面的指导。

Comments Accepted at EMNLP 2026 (Findings)

DreamBench-SWE: A Multi-Session Memory-Hygiene Benchmark for Software Agents

DreamBench-SWE：面向软件智能体的多会话记忆卫生基准

Sarthak Singh

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

AI总结 该研究提出面向软件智能体的多会话记忆卫生基准DreamBench-SWE，通过v2和预注册的v2.1审计，对比不同内存配置的任务完成表现，验证其作为可执行基准的有效性，同时明确相关内存机制的表现情况。

Comments 67 pages. Public benchmark and evidence release: this https URL (https://github.com/iroiro147/dreambench-swe/releases/tag/v2.1.0)

Prompt-Induced Waste in Coding Agents: Reasoning, Effort, Harness Design, and End-to-End Cost

提示词诱导的大推理模型浪费：一项预注册的双框架编码智能体基准测试

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

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

AI总结 该研究通过预注册基准测试发现，提示词措辞和智能体框架会大幅影响大推理编码智能体的成本，部分提示指令可成倍增加推理成本却不提升任务成功率，框架选择的成本差异更显著。

SDAD: Spec-Driven Agentic Development for the AI-Native SDLC

SDAD：面向AI原生软件开发生命周期的规范驱动智能体开发

Vu Hung Nguyen, Thanh Nguyen

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

AI总结 该研究提出规范驱动智能体开发（SDAD）模型，对比传统敏捷开发，扩展团队角色、量化治理等，论证智能体开发需将工程规范转移至上游规范环节。

Detecting Functional Memorization in Code Language Models

检测代码语言模型中的功能记忆

Matthieu Meeus, Anil Ramakrishna, Shengyuan Hu, Matthew Grange, Zheng Xu, Luca Melis

机构 * Meta ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 研究代码语言模型的功能记忆现象，通过反事实设置对比暴露目标代码的模型与未暴露的参考模型，使用文本和功能相似性度量，发现功能记忆超出文本重叠的检测范围。

Is Vibe Coding Safe? Benchmarking Vulnerability of Agent-Generated Code in Real-World Tasks

Vibe 编程是否安全？在现实任务中对代理生成代码的漏洞基准测试

Songwen Zhao, Danqing Wang, Kexun Zhang, Jiaxuan Luo, Zhuo Li, Lei Li

机构 * Carnegie Mellon University Language Technologies Institute（卡内基梅隆大学语言技术研究所） ； Columbia University（哥伦比亚大学） ； Johns Hopkins University（约翰霍普金斯大学） ； HydroX AI 纠错

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

AI总结 本文通过基准测试发现，Vibe 编程在现实任务中生成的代码安全性不足，尽管功能正确但存在安全漏洞，警示其在安全敏感领域应用的风险。

Comments Accepted in ICML 2026

AI-to-AI Code Reviews of GitHub Pull Requests

GitHub 拉取请求的 AI 对 AI 代码审查

Niruthiha Selvanayagam, Taher A. Ghaleb

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

AI总结 该研究构建大规模 AI 对 AI 代码审查数据集，分析 GitHub 上 AI 智能体生成 PR 的审查情况，发现跨产品审查占比约 1.6%且增速快，审查输出因配置而异，闭环 AI 对 AI 审查呈增长趋势但占比仍低。

Comments Accepted at the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026), Emerging Results, Vision, and Reflection Papers Track

Categorical AI phenomenology: A first-person approach

范畴论的AI现象学：一种第一人称进路

Robert Prentner

机构 * Institute of Humanities, ShanghaiTech University（上海科技大学人文学院） ； Association for Mathematical Consciousness Science（数学意识科学协会） 纠错

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

AI总结 本文提出一种以现象学为核心的人工意识研究进路，通过范畴论建模第一人称结构，将Q-networks视为智能体-世界交互的关系性接口，为接口意识提供严谨框架，契合4E认知方法。

Comments 38 pages, 11 figures

Self-Speculation for Faster Reasoning Models

用于更快推理模型的自推测技术

Ravisri Valluri, Tung Nguyen, Aditya Grover

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 该研究针对LLM推理延迟问题，提出无需训练的SSR自推测解码方法，结合思维链与后缀解码，在Qwen3.5、Gemma-4等模型上实现总生成延迟最高24.1%的相对提升。

PrimeAgentOrchestrator: Memory-Primed Agent Spawning for Personal AI Infrastructure

PrimeAgentOrchestrator：用于个人AI基础设施的内存初始化智能体生成器

Myron Koch (Peak Summit Labs)

机构 * Peak Summit Labs（峰汇实验室） 纠错

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

AI总结 该研究提出PrimeAgentOrchestrator系统，生成预加载用户个人数据库相关记忆的Claude Code实例，并行查询两类记忆后端融合结果，管理智能体全生命周期，经四个月部署记录相关机制与工程权衡。

Comments 10 pages, 15 references, experience report

Understanding as an Explicit and Assessable Component of Frontier AI Safety Decisions

将理解作为前沿AI安全决策的明确且可评估的组成部分

Stephen Barrett, Robin Bloomfield, Alexandra Chirilă, Mamoon Masud, David Meredith Hardy, Phillip Mulvana

专题命中 软件智能体 ：coding agent(abstract)

AI总结 该研究提出一种基于Assurance 2.0框架的临时方法，用于明确且可评估前沿AI安全决策中的理解，经两种场景测试，该方法可应用且能驱动工程工作。

Comments Changed first line of abstract

Scalable Distributed Simulation-Based Testing for Automated Driving Systems

面向自动驾驶系统的可扩展分布式基于仿真的测试

Christian Geller, Benedikt Haas, Lutz Eckstein

机构 * RWTH Aachen University（亚琛工业大学） ； Institute for Automotive Engineering (ika)（汽车工程研究所（ika）） 纠错

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

AI总结 本文提出一种DevOps驱动的端到端框架，在轻量级Kubernetes集群上自动化CARLA场景测试的构建与分布式执行，200个场景测试的端到端时间较基线提速超8倍，为ADS可扩展仿真测试提供支撑。

Comments 14 pages; Accepted to be published as part of the 17. Uni-DAS e.V. Workshop "Fahrerassistenz und automatisiertes Fahren", September 29-30, 2026

Large Language Models at the Intersection of Software Engineering and Software Security:An Evidence-Centered Structured Survey and Research Agenda

大型语言模型在软件工程与软件安全交叉领域：一项以证据为中心的结构化调查与研究议程

Wei Lin, Tao Zhou, Zhaofei Xie, Changgui Hong

机构 * Nanjing Liancheng Intelligent Technology Group（南京连城智能科技集团） 纠错

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

AI总结 本研究调查了LLMs在软件工程与软件安全交叉领域的进展，提出保证框架，识别有效性威胁与最低报告协议，制定研究议程，主张以任务适配证据而非单一基准评判模型能力。

Evaluating Skills, Not Just Agents: Agentic Continuous Evaluation of Skills

评估技能，而非仅评估智能体：智能体驱动的技能持续评估

Christopher Kevin, Narendran Raghavan, Jean-Francois Puget, Roshni Malani, Meghana Puvvadi, Moshe Abramovitch, Mohit Gupta, Rama Akkiraju, Subodh Prabhu, Yogesh Dangi, Wei Luo, Seong Hee Lee

机构 * NVIDIA（英伟达） 纠错

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

AI总结 该研究提出ACES框架，通过配对实际 trials等方式评估技能附加价值，实验表明其能发现扫描式审核无法观测的信号，开源实现已在NVIDIA SkillEvaluator中提供。

Comments 15 pages. Extended preprint incorporating versions accepted at Agent Skills '26 (ACM CAIS 2026) and the KDD 2026 Workshop on Enterprise AI Agents: From Prototypes to Production (oral presentation). Open-source implementation: this https URL (https://github.com/NVIDIA/SkillEvaluator)

Machine Learning and ARIMA Model Averaging for Adaptive Public Health Forecasting: Comparative Evaluation and an Ontario COVID-19 Case Study

机器学习与ARIMA模型平均法用于自适应公共卫生预测：比较评估及安大略省COVID-19案例研究

Yushu Zou, Ye Li, Johra Moosa, Martin Grunnill, Samir N. Patel, Venkata R. Duvvuri

机构 * Public Health Ontario（安大略省公共卫生局） ； Dalla Lana School of Public Health, University of Toronto（多伦多大学达拉·拉纳公共卫生学院） ； University of Toronto（多伦多大学） ； York University（约克大学） 纠错

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

AI总结 本研究评估ARIMA、随机森林、XGBoost模型，提出MLAMA集成方法，基于安大略省COVID-19数据验证其预测性能更优，支持按操作条件选择预测模型。

Continual Test-Time Adaptation in Computer Vision: Methods, Benchmarks, and Future Directions

计算机视觉中的持续测试时间适应：方法、基准和未来方向

Sarthak Kumar Maharana, Shambhavi Mishra, Yunbei Zhang, Shuaicheng Niu, Taki Hasan Rafi, Jihun Hamm, Marco Pedersoli, Jose Dolz, Yunhui Guo

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； LIVIA ETS Montreal, ILLS International Laboratory on Learning Systems (ILLS)（蒙特利尔LIVIA ETS，学习系统国际实验室（ILLS）） ； Tulane University（路易斯安那州立大学） ； Nanyang Technological University（南洋理工大学） ； Hanyang University（翰阳大学） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 本文针对计算机视觉中训练与测试数据分布不同的问题，定义CTTA问题，分析持续域转移模式，提出分层分类法将现有方法分为三类，回顾代表性方法并展示实验结果，讨论局限性与新兴方向，为持续测试时间适应研究提供路线图。

Comments TMLR 2026 (July edition)

Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts

Skillware：用于持久行为工件的软件本体与工程生命周期

Haodi Fan, Zucong Lan

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

AI总结 研究针对智能体技能成为持久行为工件却缺乏相关软件本体的问题，引入Skillware，通过Skill Artifact和Skillware Unit管理工件，阐述相关条件与证据，为智能体能力提供可识别、可组合、可维护及可演化的软件本体与工程生命周期。

Comments 26 pages, 6 figures, 5 tables

ARQ: Agentic CodeQL Query Refinement for C/C++ Vulnerability Detection

ARQ：用于C/C++漏洞检测的智能CodeQL查询优化框架

Chunyi Wang, Yunfei Ke, Junfeng Yang, Yun-Yun Tsai, Penghui Li

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

AI总结 本文提出ARQ智能框架，利用合成C/C++程序的执行证据和LLM优化CodeQL查询，无需标注数据等，优化后查询的真阳性最多提升119.8%，还修复了长期悬而未决的问题并发现新漏洞。

Bankruptcy Prediction via Hybrid Resampling and Stacking Ensemble Techniques with Explainable Artificial Intelligence (XAI)-Driven Analysis

结合可解释人工智能（XAI）分析的混合重采样与堆叠集成技术的破产预测

Obu-Amoah Ampomah, Edmund Fosu Agyemang, Kofi Acheampong, Louis Agyekum, Enock Adu Bonsu, Eric Nyarko

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

AI总结 本研究提出整合多技术的破产预测框架，在不平衡金融数据中优化少数类检测，经实验验证了模型性能，可助力财务困境企业的早期预警系统建设。

Comments 24 pages, 7 figures, 8 tables

DKD-KAN: A Lightweight knowledge-distilled KAN intrusion detection framework, based on MLP and KAN

DKD-KAN：一种轻量级的知识蒸馏KAN入侵检测框架，基于MLP和KAN

Mohammad Alikhani

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出了一种基于MLP和KAN的轻量级入侵检测框架，利用DKD方法实现知识蒸馏，有效减少模型参数规模并保持高检测性能。

KAN-HAR: A Human activity recognition based on Kolmogorov-Arnold Network

KAN-HAR：基于Kolmogorov-Arnold网络的人体活动识别

Mohammad Alikhani

专题命中 仓库级理解 ：repository(abstract)

AI总结 该研究提出基于Kolmogorov-Arnold网络（KAN）的人体活动识别（HAR）方法，利用三轴加速度计与MotionSense数据集验证，KAN在分类性能相当或更优的同时参数更少，为HAR提供高效可解释方案。