代码大模型 / AI 编程

TRANX: A Transition-based Neural Abstract Syntax Parser for Semantic Parsing and Code Generation

Pengcheng Yin, Graham Neubig

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

Comments EMNLP 2018 (Demo Track)

Program Synthesis from Visual Specification

Evan Hernandez, Ara Vartanian, Xiaojin Zhu

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

Recent Advances in Neural Program Synthesis

Neel Kant

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

Comments 16 pages (without citations); Literature Review

A parallel corpus of Python functions and documentation strings for automated code documentation and code generation

Antonio Valerio Miceli Barone, Rico Sennrich

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

Comments 5 pages, 1 figure, 3 tables

Neuro-Symbolic Program Synthesis

Emilio Parisotto, Abdel-rahman Mohamed, Rishabh Singh, Lihong Li, Dengyong Zhou, Pushmeet Kohli

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

A Case for Dynamic Reverse-code Generation to Debug Non-deterministic Programs

Jooyong Yi

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

Comments In Proceedings Festschrift for Dave Schmidt, arXiv:1309.4557

Journal ref EPTCS 129, 2013, pp. 419-428

Using Program Synthesis for Social Recommendations

Alvin Cheung, Armando Solar-Lezama, Samuel Madden

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

AuditCoder: Responsibility-Preserving Task Graphs for Auditable Code Generation and Bounded Repair

AuditCoder：用于可审计代码生成与有界修复的责任保留任务图

Kangjie Huang, Chen Lyu

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

AI总结 AuditCoder通过带契约注释的任务图为代码生成保留责任标识，结合保守定位器与有界修复，在APPS、ClassEval数据集上取得优于CoT+重试的可审计代码生成效果。

Comments Preprint. 37 pages, 5 figures. Code and data are available at the project repository

MathDSL: A Domain-Specific Language for Concise Mathematical Solutions Via Program Synthesis

Sagnik Anupam, Maddy Bowers, Omar Costilla-Reyes, Armando Solar-Lezama

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

Comments There was a typo in Figure 1 (a step in the Lemma solution was accidentally included twice). Additionally, our final experiment runs have MathDSL using one less step for this question, and ConPoLe using one more step to differentiate a division and a fraction in its final solution. Figure 1 has been updated to provide an exact copy of the experiment runs in the GitHub repository

MACGen: Toward Functionally Correct and Secure Code Generation via Multi-Agent Collaboration

MACGen：通过多智能体协作实现功能正确且安全的代码生成

Miseon Yu, Jaehoon Choi, Younghan Lee, Yunheung Paek

机构 * Seoul National University（首尔大学） ； Sungshin Women’s University（诚信女子大学） 纠错

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

AI总结 MACGen是整合规划等多环节的多智能体代码生成框架，在CWEval、BaxBench基准上，较直接提示显著提升安全代码生成的功能与安全性指标。

Comments 8 pages

Narcissus: Program Synthesis Using Context-Aware LLM Approximations

Narcissus：使用上下文感知大语言模型近似值的程序合成

Tilman Hinnerichs, Sebastijan Dumancic, Neil Yorke-Smith

机构 * Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 代码生成 ：program synthesis(title)；分类 cs.SE、cs.AI、cs.LG

AI总结 Narcissus是一种程序合成器，通过保留LLM提议的语法树并结合上下文评分与正则化项，在多领域搜索中优于静态引导及修复提议的方法，解决ARC任务的比例显著提升。

FPGAgent: An LLM-Assisted Framework for Autonomous HLS Code Generation and Verification in FPGA Environments

FPGAgent：一种用于FPGA环境中自主HLS代码生成与验证的大语言模型辅助框架

Tianyu Wang, Wenjie Wang, Jianguo Yao, Haibing Guan, Xijun Li

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

AI总结 FPGAgent是首个经成熟基准验证的任务规范到可执行HLS生成的多智能体框架，可自主生成并验证FPGA的HLS代码，在HLS-Eval基准上可综合率等指标平均提升16.9%等，大幅提升了LLM生成HLS代码的实用性。

Execution-Anchored Hallucination Calibration Reranking for Verilog Code Generation

面向Verilog代码生成的执行锚定幻觉校准重排序

Guang Yang, Xing Hu, Xiang Chen, Terry Yue Zhuo, Xin Xia

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

AI总结 该研究针对LLM生成Verilog代码时的性能问题，提出EAHC重排序框架，通过双通道架构融合执行与推理信号，解决现有方法的域迁移差和推理幻觉问题。

Benchmarking the Titans: A Multi-Dimensional Empirical Evaluation of LLM Code Generation Quality in the .NET Ecosystem

巨头基准测试：.NET生态系统中LLM代码生成质量的多维度实证评估

Seyed Mohammad Mahdi Ghalandarian, Majid Bazargani, Masoumeh Taromirad

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

AI总结 本文提出自动化多维度评估框架，针对C#代码生成评估GPT等四个LLM，发现Pass@k排名无法反映LLM在软件工程场景的完整性能概况，还明确了GPT的双峰失败行为。

Comments 12 pages, 8 figures. Accepted at the Second Workshop on Large Language Models for Generative Software Engineering (LLM4SE 2026), co-located with STAF 2026, Rennes, France, June 29 - July 3, 2026

Exploring the Potential of Program Flowcharts on Code Generation Using Multimodal LLMs

利用多模态大语言模型探索程序流程图在代码生成中的潜力

Yuki Toi, Tao Xiao, Kazushi Tomoto, Masanari Kondo, Yasutaka Kamei

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

AI总结 研究利用多模态大语言模型探索程序流程图对代码生成的潜力，通过从示例代码生成流程图并与问题陈述一起提供给模型进行代码生成实验，发现结合流程图可提升性能，不同细节程度的流程图效果有差异，还比较了与少样本学习的效果。

Comments 21 pages, Accepted at the 26th IEEE International Conference on Software Quality, Reliability, and Security (QRS 2026), Regular Papers Track

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%。

PRAXIS: Graph-Grounded Tacit Knowledge for Domain Code Generation

PRAXIS：面向领域代码生成的基于图的默会知识

Xue Jiang, Tianyu Zhang, Lingwei Wu, Ziyu Wang, Ge Li, Yuan Sui, Hao Zhu, Wenpin Jiao, Zhi Jin, Yihong Dong

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

AI总结 PRAXIS框架通过模拟人类开发工作流提取代码依赖图上的默会知识，提升智能体领域代码生成性能，优于现有方法且可适配多种智能体框架与大语言模型

ChronoAgentic: A Code-based Multi-Agent World Simulator for Physically Grounded Simulation Construction

编码智能体作为世界模拟器

Hongyu Wang, Jingquan Wang, Ashvin Anilkumar, Bocheng Zou, Radu Serban, Dan Negrut

机构 * Department of Mechanical & Aerospace Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校机械与航空航天工程系） ； School of Computer, Data, and Information Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机、数据与信息科学学院） 纠错

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

AI总结 提出一个通过可执行模拟代码构建基于物理的世界模型的智能体框架，协调规划、代码生成、视觉审查和物理分析智能体，迭代修正代码以满足物理约束，在物理准确性、指令忠实度和视觉质量上超越视频模型。

SeqFeed: Improving Agentic RTL Code Generation with Sequential Behavior Feedback

SeqFeed：通过顺序行为反馈改进智能体RTL代码生成

Yuxin Du, Juxin Niu, Tao Hu, Xi Wang, Zhe Jiang, Nan Guan

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

AI总结 针对智能体RTL代码生成的时序信息传递难题，本研究提出含SeQuery和SeGraph机制的SeqFeed，通过满足三项反馈要求提升LLM的RTL代码生成通过率。

Large Language Model for Verilog Code Generation: Literature Review and the Road Ahead

用于Verilog代码生成的大型语言模型：文献综述与未来方向

Guang Yang, Wei Zheng, Xiang Chen, Dong Liang, Peng Hu, Yukui Yang, Shaohang Peng, Zhenghan Li, Jiahui Feng, Xiao Wei, Kexin Sun, Deyuan Ma, Haotian Cheng, Yiheng Shen, Xing Hu, Terry Yue Zhuo, David Lo

机构 * Zhejiang University \& Northwestern Polytechnical University China ； Northwestern Polytechnical University China ； Nantong University China ； Zhejiang University China ； Monash University Australia ； Singapore Management University Singapore ； Zhejiang University \& Northwestern Polytechnical University ； Northwestern Polytechnical University ； Nantong University ； Zhejiang University ； Monash University ； Singapore Management University 纠错

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

AI总结 本文综述了LLMs在Verilog代码生成中的应用，分析了现有方法的有效性、局限性及未来研究方向。

Comments Accept in ACM Computing Surveys

Who Leads Now? Token-Level Modality Arbitration for Chart-to-Code Generation

当前谁主导？用于图表转代码生成的令牌级模态仲裁

Qinghao Fu, Yarong Wang, Shunlei Ning, Yilin Wang, Shunwen Bai, Xinda Wang, Jiaotuan Wang, Yinan Nie, Wei Zhou

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

AI总结 提出MoCA模型，通过CAB分离视觉与编码能力并动态仲裁贡献，经两阶段训练后在三个基准测试中取得与同类模型相当的图表转代码性能。

Training and Benchmarking Code Generation for Physics-Inspired Animations

SimuScene: 通过训练和基准测试代码生成来模拟物理场景

Yanan Wang, Renxi Wang, Yongxin Wang, Xuezhi Liang, Fajri Koto, Timothy Baldwin, Xiaodan Liang, Haonan Li

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

AI总结 SimuScene通过训练和基准测试代码生成模型，旨在提高模拟物理场景的能力，实验显示即使最强模型也仅达21.5%的通过率，表明该任务具有挑战性。

GraphAlignCoder: Aligning Program and Proof Graphs for Code Generation

GraphAlignCoder：对齐程序与证明图的代码生成框架

Yueke Zhang, Zihan Fang, Kevin Leach, Yu Huang

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

AI总结 GraphAlignCoder是将显式正确性结构迁移至代码生成的训练框架，通过对齐程序与证明图提升性能，在多个基准测试中优于现有方法，验证图注入与验证到代码的整合是关键。

Comments 9 pages, 3 figures

Security Tests as Executable Specifications for LLM Code Generation: Benefits, Trade-offs, and Coverage Limits

安全测试作为LLM代码生成的可执行规范：益处、权衡与覆盖范围限制

Yunhao Liang, Chengguang Gan, Ruixuan Ying, Hanjun Wei, Zhe Cui, Shiwen Ni

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

AI总结 该研究提出将安全测试作为LLM代码生成的可执行规范，开发SecTDD框架，通过多维度评估发现预先展示可见测试可提升联合成功率，结构化反馈修复效果更优但益处受多因素影响。

BashCoder-R1: Towards Robust and Explainable Bash Code Generation with Robustness-Aware Group Relative Policy Optimization

BashCoder-R1: 面向鲁棒且可解释的Bash代码生成——鲁棒感知组相对策略优化

Lei Yu, Peng Wang, Jia Xu, Jingyuan Zhang, Xin Wang, Jiajia Ma, Li Yang, Changzhi Deng, Zenghua Wang, Fengjun Zhang

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

AI总结 提出BashCoder-R1框架，结合持续预训练、长思维链监督微调和鲁棒感知组相对策略优化，在BashBench基准上实现高语法通过率、低鲁棒警告率和功能完整率，显著超越DeepSeek-V3.2。

Comments Accepted to ISSTA 2026

Pseudo2CodeQA: A Benchmark for LLM-Based Structured Algorithmic Reasoning in Code Generation

Pseudo2CodeQA：面向基于大语言模型的代码生成中结构化算法推理的基准测试

Shadikur Rahman, Umme Ayman Koana, Syed Muhammad Danish

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

AI总结 本文提出Pseudo2Code基准测试及Pseudo2Code Agentic Framework，实验表明该框架性能优于现有基线，验证了结构化伪代码对代码生成的提升作用。

Comments 8 pages, 3 figures

Understanding and Improving Model Editing for Secure Code Generation

理解与改进用于安全代码生成的模型编辑

Weifeng Sun, Quanjun Zhang, Yuchen Chen, Chengran Yang, Gou Tan, David Lo

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

AI总结 本研究系统探究模型编辑用于安全代码生成，提出SafeEdit方法缓解模型编辑的安全与功能权衡，其与CoSec结合可提升安全代码生成性能。

Comments ISSTA 2026

CodeChemist: Test-Time Scaling for Low-Resource Code Generation via Functional Knowledge Transfer

CodeChemist：通过测试时扩展实现低资源代码生成的功能知识迁移

Kaixin Wang, Tianlin Li, Xiaoyu Zhang, Aishan Liu, Xianglong Liu, Ziqi Liu, Zhiqiang Zhang, Jun Zhou, and Bin Shi

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

AI总结 提出CodeChemist框架，通过合成测试用例将模型功能知识从高资源语言迁移到低资源语言，无需训练，显著提升低资源语言代码生成性能。

Comments This paper is accepted by ICML 2026

CodeAssay: A Multi-Metric Benchmark with Audited Ground Truth for LLM Code Generation

CodeAssay：带有审计基准真值的多指标大语言模型代码生成基准

Shahbaz Siddeeq, Muhammad Waseem, Umar Subhan Malhi, Pekka Abrahamsson

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

AI总结 本文提出CodeAssay基准，涵盖185个Python任务，结合多类测试与度量，经审计后发现模型正确性标签有9.0%变化，且验证了多类LLM代码生成的评估特性。

TaPR: Test-Aware Policy Refinement for Feedback-Conditioned Code Generation

TaPR：面向反馈条件代码生成的感知测试策略优化

Aofan Liu, Jingxiang Meng, Fangxin Liu, Yongbiao Chen

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

AI总结 该研究针对代码智能体强化学习中反馈利用不足的问题，提出TaPR框架，通过将执行反馈转换为密集每轮测试通过率奖励，在219个代码问题上提升了多轮代码生成成功率。

Comments 9 pages, 3 figures, 3 tables. Aofan Liu and Jingxiang Meng contributed equally; Fangxin Liu and Yongbiao Chen are corresponding authors