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

Scientific Graphics Program Synthesis via Dual Self-Consistency Reinforcement Learning

通过双自一致性强化学习实现科学图形程序合成

Juekai Lin, Yun Zhu, Honglin Lin, Sijing Li, Tianwei Lin, Zheng Liu, Xiaoyang Wang, Wenqiao Zhang, Lijun Wu

机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出双自一致性强化学习框架，结合高质量数据集和多维基准，提升科学图形到可编辑TikZ代码的转换能力，实现视觉与结构的高精度优化。

ProRetrieval: Learning to Orchestrate Hybrid Search via Executable Program Synthesis

ProRetrieval：通过可执行程序合成学习编排混合搜索

Chengsong You, Zhen Sun, Yunhai Hu, Junwei Zhou, Xiaoyu Cao, Binyu Li, Ziyan Zhao, Weiyao Wang, Liren Lu, Zhijie Ye, Yumo Cao, Yitao Long, Yiwei Xu, Qiyi Jiang, Xuanyi Fu, Yufan Chen, Yilun Li, Rongkang Xiong, Yiran Zou, Nan Du

专题命中 代码生成 ：program synthesis(title)

AI总结 ProRetrieval 将语言模型作为检索编排器，通过混合 DSL 合成可执行程序，在两个新基准上训练 Qwen3-4B，其 4B 模型在电商、邮件检索任务中优于 GPT-5.5 等主流模型及各类基线。

Comments 15 pages, 5 figures, 6 tables

Beyond Output Correctness: Benchmarking and Evaluating Large Language Model Reasoning in Coding Tasks

超越输出正确性：评估大型语言模型在编码任务中的推理能力

Yuangang Li, Justin Tian Jin Chen, Ethan Yu, David Hong, Iftekhar Ahmed

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文提出CodeRQ-Bench，首个评估LLM在生成、摘要和分类等编码任务中推理质量的基准，通过分析现有评估器的1069个不匹配案例，提出VERA评估器，实验表明其在四个数据集上均优于基线，提升AUCROC和AUPRC最高达0.26和0.21。

DAMP: Decay-Aware Mixed-Precision Recurrent-State Quantization

DAMP：感知衰减的混合精度循环状态量化

Tao Zhang, Jianchao Tan, Pingwei Sun, Yanqi Yu, Zixu Jiang, Yuchen Xie, Xunliang Cai, Ziqian Zeng

机构 * South China University of Technology（华南理工大学） ； Meituan（美团） ； East China Normal University（华东师范大学） 纠错

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

AI总结 DAMP是针对GDN、KDA类语言模型循环状态的混合精度量化方法，通过识别高风险通道差异化精度存储，在接近FP32基线精度的同时大幅降低存储、加速更新并减少推理延迟。

GraftyVul: Synthesising Insecure Programs Through Real-World Vulnerability Grafting

GraftyVul：通过真实世界漏洞植入合成不安全程序

Omri Ram, Mitchell Horner, Ron Van der Meyden, Alsharif Abuadbba, Hammond Pearce

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

AI总结 GraftyVul是通过将真实世界漏洞植入开源项目构建不安全程序的系统，生成212个跨5种语言、23个CWE类别的可验证漏洞程序，在多样性等指标上优于13个常用数据集，可用于评估漏洞修复系统。

Comments 13 pages, 8 figures

Rubric-to-Code Credit Assignment for Reinforcement Learning

用于强化学习的从评分规则到代码的信用分配

Rui Jin, Jikai Chen, Yihan Chen, Hao Zhou, Demin Zhu, Kaichen Yang, Dong Wang, Chenyi Zhuang

机构 * Inclusion AI, Ant Group（蚂蚁集团Inclusion AI） ； Zhongnan University（中南大学） 纠错

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

AI总结 该研究针对网页应用代码生成中信用分配被削弱的问题，提出RCCA强化学习框架，构建分层奖励与归因对齐机制，使Ling-RCCA-Flash在MiniAppBench和ArtifactsBench上创出新的最优表现。

Predicting LLM Performance from Prompt Linguistic Features: An Empirical Study in Requirements Engineering

从提示语言特征预测大语言模型（LLM）性能：需求工程领域的实证研究

Quim Motger, Alessio Miaschi, Xavier Franch, Mohammad Amin Zadenoori, Alessio Ferrari

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

AI总结 本研究通过生成9000个语言受控的提示变体，利用5个开源LLM在需求分类任务上证实，提示的语言特征可显著预测LLM性能，为低成本提示选择提供了可解释的先验方法。

CommerceVibe: Learning to Design E-Commerce Creatives as Executable Visual Code via Dual-Feedback Reinforcement Learning

CommerceVibe：通过双反馈强化学习学习将电商创意设计为可执行视觉代码

Yajiao Xu, Jin Zhang, Jiangbo Ai, Tao Jiang, Mo Xu, Lina Huang, Chengfu Huo

机构 * Tongji University（同济大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 代码生成 ：program synthesis(abstract)

AI总结 该研究提出CommerceVibe，将电商创意转化为可执行视觉代码，通过双反馈强化学习优化生成效果，在基准测试中优于仅监督微调的变体及外部模型，实现可控可编辑的规模化电商创意生产。

Comments 20 pages, 13 figures, 12 tables; includes supplementary material

openJiuwen: Beyond Static Harnesses for Long-Horizon Coding Agents

openJiuwen：超越静态框架的长程编码智能体

openJiuwen Team: Tao Yu, Xinyu Zhang, Qianqian Chen, Xiaoneng Xiang, Chia Kwangyang, Xingchen Huang, Ran Chen, Yangkai Ding, Zheng Wang, Yeo Boon Hong, Bingzheng Gan, Enrui Hu, Shuo Cheng, Deyang Li, Ruifeng Shi, Hongbo Wang, Qi Ye, Xuefeng Jin, Zhangchun Zhao

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

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

AI总结 openJiuwen是一款开源智能体框架，针对长程编码智能体的结构可组合性与运行时适应性挑战设计，在SWE-bench Verified和Terminal-Bench 2.1上的准确率分别达82.6%、87.19%，性能优于官方排行榜顶尖方案。

RealSWE: A Compositional Evaluation of Coding Agents under Realistic User Requests

RealSWE：面向真实用户请求的编码智能体组合式评估

Gyuhyeong Kim, Hyojung Gwon, Jeonghyeon Kim, Kyuhong Shim, Sunjae Lee

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 该研究针对编码智能体评估基准与真实用户请求的差异，构建了新基准sys并评估7种LLM，发现真实输入降低解决率且改变模型排名，明确陈述期望行为和动机可提升LLM软件工程性能。

SpecMine: A Large-Scale Corpus of Spec-Driven Development Artifacts

SPECMINE：一个大规模的规范驱动开发制品语料库

Shyam Agarwal, Bogdan Vasilescu

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

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

AI总结 SPECMINE是一个大规模语料库，通过两次普查收集公共GitHub仓库中的规范驱动开发制品，含大量文件、PR及引用数据，助力研究AI智能体时代软件的规范过程。

On the Maintenance and Co-evolution of Agent Plugins: An Empirical Study of Claude Code Plugin Marketplaces

智能体插件的维护与协同演化：Claude Code插件市场的实证研究

Ahmed Hereiz, Yingzhe Lyu, Hao Li, Bram Adams, Ahmed E. Hassan

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

AI总结 本研究通过对Claude Code插件市场的实证分析，揭示智能体插件的维护与协同演化规律，发现其功能驱动开发特征及新型组件耦合依赖关系。

Comments Under review

Prove2Me: An Open Collaborative Platform for Scaling Math Formalization

Prove2Me：用于规模化数学形式化的开源协作平台

Shuze Chen, Kunal Marwaha, Xiaoyang Lu, Henry Yuen, Tianyi Peng

机构 * Columbia University（哥伦比亚大学） ； University of Chicago（芝加哥大学） ； Purdue University（普渡大学） 纠错

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

AI总结 Prove2Me是支持人类与AI智能体协作的开源数学形式化平台，可降低大规模数学形式化的门槛，实现众包式规模化形式化验证。

Comments this https URL (https://prove2.me)

GOD: Govern, Observe, and Direct - A Real-Time Control Room for Agent Societies

GOD：管控、观测与指挥——智能体群体的实时控制室

Yige Luo, Ran Guan

机构 * Laboratories, Huawei（华为2012实验室） 纠错

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

AI总结 研究针对生成式智能体系统难检查的问题，提出GOD实时控制室，整合多类工具与技术，经15次运行评估验证其干预有效性，可助力智能体群体的管控与观测。

Comments 9 pages, 5 figures. Accepted to the EMNLP 2026 System Demonstrations Track

Credo: Reusable Declarative Primitives for Agentic Workflows

Credo：面向智能体工作流的可复用声明式原语

Duo Lu, Andrew Crotty, Uğur Çetintemel

机构 * Brown University（布朗大学） ； Northwestern University（西北大学） 纠错

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

AI总结 Credo可恢复智能体工作流harness的结构化声明式描述，标记元数据并带来源编目，编译器可绑定其原语生成新任务harness，避免从头搜索，还提出了数据库界可开展的相关研究议程。

RESTCov: A Tool for Structural Coverage Analysis of REST APIs

RESTCov：REST API的结构覆盖率分析工具

Tolgahan Bardakci, Serge Demeyer

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

AI总结 本文提出轻量级工具RESTCov，可基于OpenAPI规范和HTTP请求/响应日志计算REST API结构覆盖率，生成可读报告，用于检查覆盖率缺口、诊断不匹配问题及评估测试套件。

DARTS: Decoder-Aware Representation Tuning via Surgery for Model Merging

DARTS：通过“手术”实现感知解码器的表示调优以完成模型合并

Aaryan Ajay Sharma, Sai Nishanth Padala, Seganrasan Subramanian

机构 * ServiceNow（ServiceNow（服务now公司）） ； University of Twente（特温特大学） 纠错

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

AI总结 针对模型合并中解码器存在的表示偏差挑战，本文提出DARTS方法，通过熵加权L1损失与逐位置加性偏差校正，在三类任务上较标准方法获显著改进且新增参数极少。

Comments Accepted to EMNLP 2026 Main Conference

LoopArena: Benchmarking Models as Runtime Controllers for Loop Engineering

LoopArena：将模型作为循环工程运行时控制器的基准测试

Yi Wang, Haopeng Zhang, Chengxiang Huang, Rui Dai, Kaikui Liu, Piotr Koniusz, Xiangxiang Chu

机构 * DreamX Team, Alibaba Group（达摩院团队，阿里巴巴集团） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； UNSW Sydney（新南威尔士大学悉尼分校） ； Data61, CSIRO（联邦科学与工业研究组织数据61研究所） 纠错

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

AI总结 研究推出LoopArena基准，评估模型作为控制器指导编码智能体完成长期任务的能力，发现完整任务上最佳严格成功率为24.69%，推理成本平均降低64.4%。

Residual-Guided Randomized Neural Networks

残差引导的随机神经网络

Mushir Akhtar, M. Tanveer, Mohd. Arshad

机构 * Indian Institute of Technology Indore（印度理工学院印多尔分校） 纠错

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

AI总结 针对随机神经网络单次隐藏单元抽取的局限，提出残差引导的贪婪隐藏层构建方法，在71个UCI基准数据集上验证其性能优于基线模型。

Comments Accepted at WCCI 2026

Cross-Session Decomposition Attacks: Scaling Risk and Intent-Aligned Retrieval Defense

跨会话分解攻击：规模风险与意图对齐检索防御

Disen Liao, Yihan Wang, Freda Shi, Yaoliang Yu

机构 * University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 该研究聚焦跨会话分解攻击的规模风险，提出IntentAlign-MiniLM防御方法，实验显示更大的Qwen3、Gemma3系列模型在该攻击下有害能力提升更显著，所提防御效果优于更大嵌入模型。

Comments 30 pages, 3 figures, EMNLP 2026 Findings

Sustainability of Open-Source Machine Learning Robustness Assessment Tools: A Repository Mining Study

开源机器学习鲁棒性评估工具的可持续性：一项仓库挖掘研究

Joshua Owotogbe, Indika Kumara, Willem-Jan van den Heuvel, Damian Tamburri

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

AI总结 本研究通过挖掘GitHub上的28个开源鲁棒性工具仓库，发现其参与度与维护活动分布不均，多数仓库不活跃，呼吁将鲁棒性工具视为演进中的软件系统。

Comments 32 pages. Preprint

PRISM: Self-Pruning Intrinsic Selection Method for Training-Free Multimodal Data Selection

PRISM：免训练多模态数据选择的自剪枝内在选择方法

Jinhe Bi, Aniri, Zengjie Jin, Yifan Wang, Danqi Yan, Wenke Huang, Xiaowen Ma, Sikuan Yan, Artur Hecker, Mang Ye, Xun Xiao, Hinrich Schuetze, Volker Tresp, Yunpu Ma

机构 * LMU Munich（慕尼黑大学） ； Munich Research Center, Huawei Technologies（慕尼黑研究中心，华为技术） ； METEOR ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 针对多模态大语言模型视觉指令数据冗余问题，提出一种免训练框架PRISM，通过隐式重中心化消除视觉特征各向异性导致的全局语义漂移，实现高效数据选择，在降低计算成本的同时提升模型性能。

Comments Accepted to EMNLP 2026 and selected for the ACL 2026 Best Paper Consideration

From Architecture to Binary: Ensuring Cross-Domain Consistency in Model-Based Airborne Software Development

从架构到二进制：确保基于模型的机载软件开发中的跨域一致性

Nils Schlautmann, Viktor Sinitsyn, Benjamin Engelhard, Florian Holzapfel

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

AI总结 针对机载软件开发中跨域不一致问题，提出以仓库为中心的实现方案，结合CI流水线与自动化检查，在实验项目中验证了方案的有效性。

Comments 10 Pages, Preprint for 45th AIAA DATC/IEEE Digital Avionics Systems Conference (DASC). Accepted for Publication

PhenoIntel: A Lifecycle-Aligned Multi-Agent Web Application for Verified, Accessible Plant Phenotype Analysis

PhenoIntel：一种生命周期对齐的多智能体Web应用，用于经过验证、易于使用的植物表型分析

Narendren S V, Soumyashree Kar

机构 * VIT Bhopal University（维特博帕尔大学） ； Centre of Studies in Resources Engineering（资源工程研究中心） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） 纠错

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

AI总结 PhenoIntel是一款生命周期对齐的多智能体Web平台，通过分阶段的专用智能体实现可靠易用的植物表型分析，具备校准不确定性、验证统计等优势，模型性能优异且可在标准硬件上运行。

Comments 32 pages, 11 figures, 9 tables. Submitted to Engineering Applications of Artificial Intelligence (Elsevier)

A Declarative-Procedural Perspective on Expert Routing in Bilingual Mixture-of-Experts Language Models

双语混合专家语言模型中专家路由的声明式-过程式视角

Amrit Gopinath, Raghul, Durairaj Thenmozhi

机构 * Sri Sivasubramaniya Nadar College of Engineering（斯里·西瓦苏布拉马尼亚·纳达尔工程学院） ； Shiv Nadar University Chennai（钦奈希夫·纳达尔大学） 纠错

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

AI总结 该研究探究双语MoE语言模型的专家路由是否形成语言结构，对比课程学习与无课程训练的模型，发现无课程模型专业化更强但依赖随机种子，课程模型路由更均衡，揭示MoE路由可出现可解释语言组织。

Comments 15 pages, 6 figures, 12 tables (including appendix)

Atomic Units of X: The Compression Layer of Intelligence

X的原子单位：智能的压缩层

Sachin Dev Duggal, Pradyumna Swarnalatha Ramanna, Alexandros Vassiliades

机构 * SeKondBrain AI Labs（第二大脑人工智能实验室） 纠错

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

AI总结 该论文提出将智能视为原子压缩与组合复用过程的理论框架，借助多学科证据阐述原子单位概念，给出压缩演算等核心方法，为设计自进化知识系统奠基，为智能相关多方面提供统一视角。

Characterizing the I/O Behavior of HPC Applications through Modeling and Simulation

通过建模与仿真表征HPC应用的I/O行为

Njoud O. Almaaitah, David E. Singh, Taylan Özden, Jesus Carretero, Raffaele Montella

专题命中 仓库级理解 ：repository(abstract)

AI总结 本研究开发了基于ElastiSim的框架，结合HPCIO追踪复现真实HPC应用I/O访问模式，通过案例分析实现I/O拥塞分析，以表征HPC应用I/O行为。

autowerkstatt4null: An Off-Board-Diagnostics Ecosystem for Car-Workshops

autowerkstatt4null：面向汽车维修厂的车外诊断生态系统

Stephan Bökelmann, Rene Glitza, Meihui Huang, Odin Holmes, Lukas Jakubczyk, Tabea Röthemeyer

专题命中 仓库级理解 ：repository(abstract)

AI总结 该项目推出autowerkstatt4null生态系统，为独立汽车维修厂提供AI驱动的联邦诊断技术，通过模块化测量平台等创新助力维修厂获得高级诊断能力，提升行业竞争力与可持续性。

Comments 11 pages, 9 figures

C4-Free Subgraphs of the Hypercubes Q6, Q7, and Q8: Odd Squares, Fully Frustrated Models, and Computational Structure

Q6、Q7和Q8超立方体中不含C4子图的下界新界：构造、结构和计算方法

Minamo Minamoto

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文通过构造和计算方法，为Q6、Q7和Q8超立方体中不含C4子图的最大边数提供了新的下界，并给出了相关构造和验证方法。

Comments 55 pages, 5 tables. Supplementary data and code at this https URL (https://github.com/minamominamoto/c4free-hypercube)