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