代码大模型 / AI 编程

Q-Bridge: Code Translation for Quantum Machine Learning via LLMs

Q-Bridge：通过LLM实现量子机器学习的代码翻译

Runjia Zeng, Priyabrata Senapati, Ruixiang Tang, Dongfang Liu, Qiang Guan

机构 * Rochester Institute of Technology（罗彻斯特理工学院） ； Kent State University（肯特州立大学） ； Rutgers University（罗格斯大学） 纠错

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

AI总结 Q-Bridge通过LLM指导的代码翻译框架，系统性地将经典机器学习实现转换为可执行的量子机器学习变体，建立了首个可重复的框架和数据集，为可扩展的量子AI发展奠定基础。

AVDA: Autonomous Vibe Detection Authoring for Cybersecurity

AVDA：自主振动检测作者化以提升网络安全

Fatih Bulut, Carlo DePaolis, Raghav Batta, Anjali Mangal

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

AI总结 本文提出AVDA框架，通过整合组织上下文自动化检测作者化，提升检测质量与效率，实验显示Agentic方法在相似度上比基线方法提升19%。

More Thought, Less Accuracy? On the Dual Nature of Reasoning in Vision-Language Models

更多思考，更少准确性？关于视觉-语言模型中推理的双重性质

Xinyu Tian, Shu Zou, Zhaoyuan Yang, Mengqi He, Fabian Waschkowski, Lukas Wesemann, Peter Tu, Jing Zhang

机构 * Australian National University（澳大利亚国立大学） ； University of Melbourne（墨尔本大学） ； GE Research（GE全球研究院） 纠错

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

AI总结 研究揭示了视觉-语言模型中推理的双重性质：虽然增强了逻辑推理能力，但可能导致感知基础能力下降，通过提出VAPO方法改进了模型对视觉信息的依赖。

Comments Accepted to ICLR2026

DUPLEX: Agentic Dual-System Planning via LLM-Driven Information Extraction

DUPLEX：基于LLM驱动信息提取的代理双系统规划

Keru Hua, Ding Wang, Yaoying Gu, Xiaoguang Ma

机构 * Midea Corporate Research Center（美的集团研发中心） ； Midea Group（美的集团） ； Northeastern University（东北大学） ； Engineering Department（工程部） 纠错

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

AI总结 DUPLEX通过限制LLM进行结构化语义 grounding，结合符号规划器实现可靠规划，优于现有端到端和混合LLM基线。

STRIATUM-CTF: A Protocol-Driven Agentic Framework for General-Purpose CTF Solving

STRIATUM-CTF: 一种基于协议的代理框架用于通用CTF求解

James Hugglestone, Samuel Jacob Chacko, Dawson Stoller, Ryan Schmidt, Xiuwen Liu

机构 * Department of Computer Science, Florida State University, Tallahassee, USA（计算机科学系，佛罗里达州立大学，塔拉萨斯，美国） 纠错

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

AI总结 本文提出STRIATUM-CTF框架，通过Model Context Protocol标准化工具接口，提升CTF求解的自主性和适应性，在真实竞赛中取得第一名。

Comments 8 pages, 7 pages

Guided Star-Shaped Masked Diffusion

引导式星形遮蔽扩散

Viacheslav Meshchaninov, Egor Shibaev, Artem Makoian, Ivan Klimov, Nikita Balagansky, Daniil Gavrilov, Aibek Alanov, Dmitry Vetrov

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

AI总结 本文提出一种引导式星形遮蔽扩散算法，通过轻量级微调提升样本质量和效率，采用星形范式实现内在误差纠正，结合可学习重遮蔽调度器有效修正可能错误，在文本和代码生成中表现优异。

Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs

Chimera：面向异构大语言模型的延迟与性能感知多智能体服务

Kangqi Ni, Wenyue Hua, Xiaoxiang Shi, Jiang Guo, Shiyu Chang, Tianlong Chen

机构 * University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） ； Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） 纠错

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

AI总结 Chimera通过语义路由和预测调度优化多智能体工作流服务，提升端到端延迟与任务性能，减少1.2-2.4倍延迟并提高8.0-9.5个百分点性能。

Can we automatize scientific discovery in the cognitive sciences?

在认知科学中，我们能否自动化科学发现？

Akshay K. Jagadish, Milena Rmus, Kristin Witte, Marvin Mathony, Marcel Binz, Eric Schulz

机构 * Princeton AI Lab（普林斯顿人工智能实验室） ； Princeton University（普林斯顿大学） ； Institute for Human-Centered AI（以人为中心的人工智能研究所） ； Helmholtz Munich（海德堡-慕尼黑研究所） ； Ludwig-Maximilians-University（路德维希-马克西米利安大学） 纠错

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

AI总结 本文提出利用大语言模型实现认知科学的自动化发现流程，通过模拟行为数据和算法假设搜索，提高理论发展效率。

ACE-RTL: When Agentic Context Evolution Meets RTL-Specialized LLMs

ACE-RTL：当代理上下文进化与专为RTL设计的LLM相遇

Chenhui Deng, Zhongzhi Yu, Guan-Ting Liu, Nathaniel Pinckney, Brucek Khailany, Haoxing Ren

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

AI总结 ACE-RTL结合代理上下文进化与专为RTL设计的LLM，通过生成器、反射器和协调器三部分提升RTL代码的正确性，实现41.02%的通过率提升。

LLM-Driven Heuristic Synthesis for Industrial Process Control: Lessons from Hot Steel Rolling

基于大语言模型的启发式合成在工业过程控制中的应用：来自热轧的启示

Nima H. Siboni, Seyedreza Kiamousavi, Emad Scharifi

机构 * Institute of Metal Forming, RWTH Aachen（RWTH亚琛大学金属成形研究所） 纠错

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

AI总结 本文提出了一种基于大语言模型的启发式合成框架，用于热轧过程控制，通过可解释的Python控制器生成和自动审计流程，结合结构化战略构思和可执行代码生成，实现对轧制高度、间歇时间和轧制速度的控制。

Can LLMs Perform Synthesis?

LLMs能否进行合成？

Derek Egolf, Yuhao Zhou, Stavros Tripakis

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

AI总结 本文比较了LLMs与符号工具在程序合成任务中的表现，发现符号工具在多个领域均优于Qwen和GPT-5，且执行时间更短。

Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining

通过重构理解：为LLM预训练反转软件开发过程

Zhiyuan Zeng, Yichi Zhang, Yong Shan, Kai Hua, Siyuan Fang, Zhaiyu Liu, Jiaheng Liu, Haozhe Wang, Yining Zheng, Ming Ding, Ke Shen, Ge Zhang, Wenhao Huang, Xipeng Qiu

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

AI总结 本文提出通过重构软件开发过程来提升LLM性能，通过模拟多智能体轨迹生成更丰富的监督信号，实验显示在多个基准测试中效果显著。

Leveraging Large Language Models for Generalizing Peephole Optimizations

利用大型语言模型进行通用窥视优化

Chunhao Liao, Hongxu Xu, Xintong Zhou, Zhenyang Xu, Chengnian Sun

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

AI总结 本文提出LPG框架，利用大型语言模型进行窥视优化泛化，通过闭环工作流整合符号常量泛化、结构泛化、约束放松和位宽/精度泛化，提升优化规则的正确性和通用性。

An Agentic System for Schema Aware NL2SQL Generation

一种基于模式的代理系统用于自然语言到SQL生成

David Onyango, Naseef Mansoor

机构 * Project Path ； Minnesota State University Mankato（明尼苏达州立大学曼科托分校） 纠错

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

AI总结 本文提出一种基于模式的代理系统，利用小型语言模型作为主要代理，结合选择性LLM回退机制，降低计算成本，实验显示在BIRD基准上实现90%以上的成本节省。

Chain of Mindset: Reasoning with Adaptive Cognitive Modes

思维链：具有适应性认知模式的推理

Tianyi Jiang, Arctanx An, Hengyi Feng, Naixin Zhai, Haodong Li, Xiaomin Yu, Jiahui Liu, Hanwen Du, Shuo Zhang, Zhi Yang, Jie Huang, Youhua Li, Yongxin Ni, Huacan Wang, Ronghao Chen

机构 * PKU（北京大学） ； BJTU（北京理工大学） ； StepFun ； SUFE（上海财经大学） ； NUS（新加坡国立大学） ； CityUHK（香港城市大学） ； QuantaAlpha（量子阿尔法） 纠错

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

AI总结 本文提出Chain of Mindset框架，通过动态选择不同认知模式提升推理效率，实验显示在多个基准测试中表现优异，准确率超越基线模型。

From Natural Language to Executable Option Strategies via Large Language Models

从自然语言到可执行期权策略的大型语言模型

Haochen Luo, Zhengzhao Lai, Junjie Xu, Yifan Li, Tang Pok Hin, Yuan Zhang, Chen Liu

机构 * City University of Hong Kong（香港城市大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Shanghai University of Finance and Economics（上海财经大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出Option Query Language，通过语法规则将期权市场抽象为高层 primitives，使LLM能作为语义解析器生成可执行期权策略，并通过新数据集验证其优于直接生成方法。

Generative AI for Quantum Circuits and Quantum Code: A Technical Review and Taxonomy

生成式AI用于量子电路和量子代码：技术综述与分类

Juhani Merilehto

机构 * University of Vaasa（瓦萨大学） ； University of Turku（图尔库大学） 纠错

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

AI总结 综述13个生成系统和5个支持数据集，探讨量子电路和代码生成的分类与训练方法，发现生成系统在语法和语义层面有所覆盖，但缺乏对量子硬件的端到端评估。

Comments 20 pages, 4 tables

Visual Set Program Synthesizer

视觉集合程序合成器

Zehua Cheng, Wei Dai, Wenhu Zhang, Thomas Lukasiewicz, Jiahao Sun

机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Institute of Logic and Computation, TU Wien（维也纳技术大学逻辑与计算研究所） 纠错

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

AI总结 本文提出通过视觉程序合成解决复杂视觉推理问题，引入Set-VQA基准测试，显著提升回答准确性并提高透明度。

Comments 10 pages, IEEE International Conference on Multimedia and Expo 2026

Journal ref IEEE International Conference on Multimedia and Expo 2026

VibeContract: The Missing Quality Assurance Piece in Vibe Coding

VibeContract： vibe编码中缺失的质量保证环节

Song Wang

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

AI总结 本文提出VibeContract框架，通过将高层次自然语言意图分解为任务序列并生成任务级合同，以提升LLM生成代码的正确性、鲁棒性和可维护性。

Prism: Efficient Test-Time Scaling via Hierarchical Search and Self-Verification for Discrete Diffusion Language Models

Prism：通过分层搜索和自验证实现离散扩散语言模型的高效测试时扩展

Jinbin Bai, Yixuan Li, Yuchen Zhu, Yi Xin, Qingyu Shi, Aosong Feng, Xiaohong Liu, Molei Tao, Jianru Xue, Xiangtai Li, Ming-Hsuan Yang

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

AI总结 本文提出Prism框架，通过分层轨迹搜索、局部分支和自验证反馈，提升离散扩散语言模型的测试时扩展效率与性能。

SVD Contextual Sparsity Predictors for Fast LLM Inference

基于SVD的上下文稀疏性预测器用于快速LLM推理

Georgii Serbin, Kirill Koshkin, Zhongao Sun, Anastasiya Bistrigova, C. C. Korikov

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

AI总结 本文提出一种无需训练的快速稀疏模式预测方法，利用截断感知SVD和阈值校准算法，加速ReGLUFFN的LLM推理，实验显示在保持低精度损失下，解码时间减少1.8倍。

QAQ: Bidirectional Semantic Coherence for Selecting High-Quality Synthetic Code Instructions

QAQ：双向语义一致性用于选择高质量的合成代码指令

Jiayin Lei, Ming Ma, Yunxi Duan, Chenxi Li, Tianming Yang

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

AI总结 本文提出QAQ框架，通过双向语义一致性评估合成数据质量，利用反向互信息量化答案对查询的信息增益，实验表明选择25%数据可达到全数据训练效果，提升数据筛选效率。

Comments 14 pages, 5 figures. Under review at ACL 2026

MOSAIC: Multi-agent Orchestration for Task-Intelligent Scientific Coding

MOSAIC：多智能体协作用于任务智能的科学编码

Siddeshwar Raghavan, Tanwi Mallick

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

AI总结 MOSAIC通过多智能体协作解决复杂科学编码任务，采用自反思和学生-教师模式提升准确性和鲁棒性。

Comments The paper requires a great deal of restructuring to be beneficial to the research community. We also identified some issues with the current experiments and improvements in LLM models which we want our work to reflect

DOVA: Deliberation-First Multi-Agent Orchestration for Autonomous Research Automation

DOVA：基于协商的多智能体协作以实现自主研究自动化

Aaron Shen, Alfred Shen

机构 * University of California, Berkeley, USA（加州大学伯克利分校） ； Amazon Web Services, USA（亚马逊网络服务） 纠错

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

AI总结 DOVA通过协商优先的协作机制、混合协同推理和自适应多层思考，提升多源信息整合与复杂任务处理能力，降低推理成本并提高回答准确性。

KernelFoundry: Hardware-aware evolutionary GPU kernel optimization

KernelFoundry: 带硬件意识的进化GPU内核优化

Nina Wiedemann, Quentin Leboutet, Michael Paulitsch, Diana Wofk, Benjamin Ummenhofer

机构 * Intel Corporation（英特尔公司） 纠错

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

AI总结 KernelFoundry通过MAP-Elites搜索、元提示进化和模板参数优化，高效探索GPU内核设计空间，实现SYCL内核在KernelBench上的2.3倍加速。

LLM-HPC++: Evaluating LLM-Generated Modern C++ and MPI+OpenMP Codes for Scalable Mandelbrot Set Computation

LLM-HPC++: 评估LLM生成的现代C++和MPI+OpenMP代码用于可扩展的曼德勃罗集计算

Patrick Diehl, Noujoud Nader, Deepti Gupta

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

AI总结 本文评估了LLM生成的C++和MPI+OpenMP代码在曼德勃罗集计算中的性能，发现ChatGPT-4和5在语法精度和可扩展性方面表现突出。

AutoVeriFix+: High-Correctness RTL Generation via Trace-Aware Causal Fix and Semantic Redundancy Pruning

AutoVeriFix+: 通过轨迹感知因果修复和语义冗余剪枝实现高正确性的RTL生成

Yan Tan, Xiangchen Meng, Zijun Jiang, Yangdi Lyu

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

AI总结 AutoVeriFix+通过轨迹感知因果修复和语义冗余剪枝，提升Verilog代码生成的功能正确性与设计效率。

Comments arXiv admin note: text overlap with arXiv:2509.08416

Context Before Code: An Experience Report on Vibe Coding in Practice

上下文在代码之前：关于在实践中使用Vibe编码的经验报告

Md Nasir Uddin Shuvo, Md Aidul Islam, Md Mahade Hasan, Muhammad Waseem, Pekka Abrahamsson

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

AI总结 本文报告了一个全栈团队在实践中应用Vibe编码构建多项目代理学习平台和学术检索增强生成系统，并探讨了生成代码在隔离约束和架构设计上的不足。

Comments 6 Pages, 1 Figure

Critique-Coder: Enhancing Coder Models by Critique Reinforcement Learning

Critique-Coder: 通过批判强化学习增强Coder模型

Chi Ruan, Dongfu Jiang, Yubo Wang, Wenhu Chen

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

AI总结 Critique-Coder通过批判强化学习提升Coder模型性能，优于传统强化学习方法。

Utility Function is All You Need: LLM-based Congestion Control

效用函数就是一切：基于LLM的拥塞控制

Neta Rozen-Schiff, Liron Schiff, Stefan Schmid

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

AI总结 本文提出GenCC框架，利用LLM生成代码能力设计拥塞控制效用函数，实验表明其在不同场景下可提升拥塞控制协议性能37%-142%。