代码大模型 / AI 编程

MDAgent2: Large Language Model for Code Generation and Knowledge Q&A in Molecular Dynamics

MDAgent2：用于分子动力学中代码生成和知识问答的大型语言模型

Zhuofan Shi, Hubao A, Yufei Shao, Dongliang Huang, Hongxu An, Chunxiao Xin, Haiyang Shen, Zhenyu Wang, Yunshan Na, Gang Huang, Xiang Jing

机构 * Peking University（北京大学） ； National Key Laboratory of Data Space Technology and System（国家数据空间技术与系统重点实验室） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Liaoning Technical University（辽宁技术大学） ； Wenjing Future Lab (Beijing) Technology Co., Ltd（文景未来实验室（北京）科技有限公司） 纠错

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

AI总结 MDAgent2是首个能同时进行分子动力学知识问答和代码生成的端到端框架，通过领域特定数据集和强化学习方法提升性能。

Comments 24 pages,4 figures

Semantic Consensus Decoding: Backdoor Defense for Verilog Code Generation

语义一致性解码：用于Verilog代码生成的后门防御

Guang Yang, Xing Hu, Xiang Chen, Xin Xia

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

AI总结 本文提出语义一致性解码方法，通过提取功能需求和融合输出分布，有效防御Verilog代码生成中的后门攻击。

Comments Under Review

Scaling Test-Driven Code Generation from Functions to Classes: An Empirical Study

从函数到类的测试驱动代码生成规模化：一项实证研究

Yunhao Liang, Ruixuan Ying, Shiwen Ni, Zhe Cui

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

AI总结 本文提出一种测试驱动代码生成框架，通过迭代方法提升类级代码生成的正确性和可靠性。

DRAINCODE: Stealthy Energy Consumption Attacks on Retrieval-Augmented Code Generation via Context Poisoning

DRAINCODE: 通过上下文污染对基于检索增强的代码生成进行隐秘的能量消耗攻击

Yanlin Wang, Jiadong Wu, Tianyue Jiang, Mingwei Liu, Jiachi Chen, Chong Wang, Ensheng Shi, Xilin Liu, Yuchi Ma, Zibin Zheng

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

AI总结 DrainCode通过上下文污染攻击，显著增加LLM的延迟和能耗，揭示了RAG代码生成系统在安全性和资源约束下的潜在风险。

Comments 16 pages, 4 figures

From Evaluation to Enhancement: Large Language Models for Zero-Knowledge Proof Code Generation

从评估到增强：大型语言模型在零知识证明代码生成中的应用

Zhantong Xue, Pingchuan Ma, Zhaoyu Wang, Yuguang Zhou, Xiaoqin Zhang, Shuai Wang, Juergen Rahmel

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

AI总结 本文提出ZK-Eval和ZK-Coder，通过评估和增强大型语言模型在零知识证明代码生成中的能力，显著提高了ZK程序的生成成功率。

SolAgent: A Specialized Multi-Agent Framework for Solidity Code Generation

SolAgent: 一种专门用于Solidity代码生成的多智能体框架

Wei Chen, Zhiyuan Peng, Xin Yin, Chao Ni, Chenhao Ying, Bang Xie, Yuan Luo

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

AI总结 SolAgent通过双循环机制和文件系统能力，在智能合约生成中实现高正确性和安全性，Pass@1率达64.39%，减少安全漏洞39.77%。

DAJ: Data-Reweighted LLM Judge for Test-Time Scaling in Code Generation

DAJ：用于代码生成测试时缩放的数据重加权LLM评判器

Peijia Qin, Ruiyi Zhang, Qi Cao, Pengtao Xie

机构 * ucsd（加州大学圣地亚哥分校） 纠错

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

AI总结 DAJ通过双层数据重加权学习框架，提升LLM评判器在代码生成测试时缩放中的性能，实现对困难问题和轨迹一致数据的自动强调，取得最佳效果。

Evaluating the Impact of Post-Training Quantization on Large Language Models for Code Generation

评估后训练量化对代码生成大语言模型的影响

Alessandro Giagnorio, Antonio Mastropaolo, Saima Afrin, Massimiliano Di Penta, Gabriele Bavota

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

AI总结 本文研究了大语言模型在代码生成中的量化影响，通过更大型的模型和最新量化技术，发现4位精度可显著降低内存占用而不影响性能。

Style2Code: A Style-Controllable Code Generation Framework with Dual-Modal Contrastive Representation Learning

Style2Code: 一种具有双模态对比学习的可控制代码生成框架

Dutao Zhang, Nicolas Rafael Arroyo Arias, YuLong He, Sergey Kovalchuk

机构 * ITMO University（ITMO大学） ； Saint Petersburg University（圣彼得堡大学） 纠错

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

AI总结 Style2Code通过双模态对比学习和条件解码实现风格可控的代码生成，提升风格控制的同时保持代码正确性。

Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization

为大型语言模型生成代码的指南：实证分析

Alessandro Midolo, Alessandro Giagnorio, Fiorella Zampetti, Rosalia Tufano, Gabriele Bavota, Massimiliano Di Penta

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

AI总结 本文通过实证分析提出10条提示优化指南，帮助开发者改进代码生成提示，提升LLM辅助软件开发工具的效果。

MeltRTL: Multi-Expert LLMs with Inference-time Intervention for RTL Code Generation

MeltRTL: 多专家LLMs结合推理时干预用于RTL代码生成

Nowfel Mashnoor, Mohammad Akyash, Hadi Kamali, Kimia Azar

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

AI总结 MeltRTL通过多专家注意力和推理时干预提升LLM生成RTL代码的准确性和效率，实现96%的可综合性和60%的功能正确性，无需微调模型。

Assessing Small Language Models for Code Generation: An Empirical Study with Benchmarks

评估小型语言模型用于代码生成：基于基准的实证研究

Md Mahade Hasan, Muhammad Waseem, Kai-Kristian Kemell, Jussi Rasku, Juha Ala-Rantala, Pekka Abrahamsson

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

AI总结 本研究评估了多种小型语言模型在代码生成中的性能，发现紧凑模型在效率与性能间取得平衡，但进一步提升需转向更大模型。

Comments 17 pages, 10 Tables, 57 figures. Includes benchmarks and multilingual evaluation. Submitted to the Journal of Systems and Software

Hybrid Distillation with CoT Guidance for Edge-Drone Control Code Generation

混合指导的蒸馏用于边缘-无人机控制代码生成

Yizhan Feng, Hichem Snoussi, Yuhang Wang, Jing Teng, Abel Cherouat, Tian Wang

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

AI总结 本文提出混合指导的蒸馏方法，通过知识蒸馏、思维链指导和监督微调，提升UAV多SDK控制任务的代码生成效率与准确性。

Comments 2nd International Conference on Drones and Unmanned Systems (DAUS' 2026)

Compliance-to-Code: Enhancing Financial Compliance Checking via Code Generation

合规至代码：通过代码生成增强财务合规检查

Siyuan Li, Jian Chen, Rui Yao, Xuming Hu, Peilin Zhou, Weihua Qiu, Simin Zhang, Chucheng Dong, Zhiyao Li, Qipeng Xie, Zixuan Yuan

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-Sen University（孙中山大学） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 Compliance-to-Code通过构建大规模中文金融监管数据集，提升金融合规检查的自动化水平，采用代码生成技术实现法规结构化和合规逻辑验证。

FGIT: Fault-Guided Fine-Tuning for Code Generation

FGIT：基于故障的微调用于代码生成

Lishui Fan, Zhongxin Liu, Haoye Wang, Lingfeng Bao, Xin Xia, Shanping Li

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

AI总结 FGIT通过提取正确与错误代码差异并动态加权提升代码生成准确性，实现性能提升。

Comments 13 pages, accepted by ASE 2025

How Secure is Secure Code Generation? Adversarial Prompts Put LLM Defenses to the Test

生成安全代码的安全性如何？对抗性提示对LLM防御进行了测试

Melissa Tessa, Iyiola E. Olatunji, Aicha War, Jacques Klein, Tegawendé F. Bissyandé

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

AI总结 本文评估了生成安全代码方法在对抗性条件下的鲁棒性，发现现有方法在安全性和功能性上存在显著缺陷，提出改进最佳实践。

TALM: Dynamic Tree-Structured Multi-Agent Framework with Long-Term Memory for Scalable Code Generation

TALM：具有长期记忆的动态树结构多智能体框架用于可扩展的代码生成

Ming-Tung Shen, Yuh-Jzer Joung

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

AI总结 TALM通过动态树结构多智能体框架结合长期记忆机制，提升复杂代码生成任务中的推理性能和令牌效率。

HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors

HogVul: 针对基于语言模型的漏洞检测器的黑盒对抗代码生成框架

Jingxiao Yang, Ping He, Tianyu Du, Sun Bing, Xuhong Zhang

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

AI总结 HogVul通过整合词汇和语法扰动，利用粒子群优化策略提升对抗攻击效果，实验显示其在漏洞检测器攻击成功率上提升26.05%。

Comments AAAI26

Understanding Specification-Driven Code Generation with LLMs: An Empirical Study Design

通过LLM理解基于规范的代码生成：一项实证研究设计

Giovanni Rosa, David Moreno-Lumbreras, Gregorio Robles, Jesús M. González-Barahona

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

AI总结 本文通过实证研究设计，探讨人类干预在基于规范的LLM代码生成过程中对代码质量和动态的影响。

Comments This paper is a Stage 1 Registered Report. The study protocol and analysis plan were peer reviewed and accepted at SANER 2026 with a Continuity Acceptance (CA) score for Stage 2

Assessing and Improving the Representativeness of Code Generation Benchmarks Using Knowledge Units (KUs) of Programming Languages -- An Empirical Study

基于编程语言知识单元（KUs）评估和改进代码生成基准的代表性——一项实证研究

Md Ahasanuzzaman, Bram Adams, Emad Fallahzadeh, Gustavo A. Oliva, Ahmed E. Hassan

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

AI总结 本文通过分析编程语言知识单元（KUs）的覆盖情况，提出基于提示的框架改进代码生成基准的代表性，从而更准确评估LLM的代码生成能力。

Verbatim Data Transcription Failures in LLM Code Generation: A State-Tracking Stress Test

LLM代码生成中的verbatim数据转录失败：一种状态跟踪压力测试

Mohd Ariful Haque, Kishor Datta Gupta, Mohammad Ashiqur Rahman, Roy George

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

AI总结 本文提出了一种最小化的基准测试，用于评估LLM在生成代码时对verbatim数据转录的可靠性，通过精确字符串包含和状态跟踪分析来检测长周期生成失败。

TreeDiff: AST-Guided Code Generation with Diffusion LLMs

TreeDiff: 基于扩散大语言模型的AST引导代码生成

Yiming Zeng, Jinghan Cao, Zexin Li, Yiming Chen, Tao Ren, Zhuochun Li, Dawei Xiang, Xidong Wu, Shangqian Gao, Tingting Yu

机构 * University of Connecticut（康涅狄格大学） ； San Francisco State University（旧金山州立大学） ； University of California, Riverside（加州大学河滨分校） ； National University of Singapore（新加坡国立大学） ； University of Pittsburgh（匹兹堡大学） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 TreeDiff通过整合AST结构先验，改进扩散模型在代码生成中的语法精确性和长距离依赖捕捉能力。

On the Effectiveness of Training Data Optimization for LLM-based Code Generation: An Empirical Study

在LLM基于代码生成中的训练数据优化有效性研究：一项实证研究

Shiqi Kuang, Zhao Tian, Tao Xiao, Dong Wang, Junjie Chen

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

AI总结 本研究评估了训练数据优化技术对LLM代码生成效果的影响，发现数据合成在提升功能正确性和减少代码异味方面最有效，而数据合成与重构的组合表现最佳。

Parallelized Code Generation from Simulink Models for Event-driven and Timer-driven ROS 2 Nodes

基于Simulink模型的并行代码生成用于事件驱动和定时驱动的ROS 2节点

Kenshin Obi, Ryo Yoshinaka, Hiroshi Fujimoto, Takuya Azumi

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

AI总结 本文提出了一种基于MBD的框架，用于实现事件驱动和定时驱动的ROS 2节点的并行代码生成，解决了多输入场景下的并行化问题。

Journal ref Proceedings of the 50th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), 2024, pp. 48-55

M2G-Eval: Enhancing and Evaluating Multi-granularity Multilingual Code Generation

M2G-Eval: 提升和评估多粒度多语言代码生成

Fanglin Xu, Wei Zhang, Jian Yang, Guo Chen, Aishan Liu, Zhoujun Li, Xianglong Liu, Bryan Dai

机构 * Beihang University（北航大学） ； Hunan University（湖南大学） ； Ubiquant 纠错

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

AI总结 M2G-Eval通过多粒度多语言框架评估代码生成能力，揭示了不同粒度任务的难度差异和跨语言学习的关联性。

Exploring the Security Threats of Retriever Backdoors in Retrieval-Augmented Code Generation

探索检索增强代码生成中Retriever后门的安全威胁

Tian Li, Bo Lin, Shangwen Wang, Yusong Tan

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

AI总结 本文研究了检索增强代码生成中Retriever后门攻击的严重威胁，通过开发VenomRACG攻击方法揭示了攻击者可通过注入少量代码操控检索器，导致模型生成脆弱代码。

UCoder: Unsupervised Code Generation by Internal Probing of Large Language Models

UCoder: 通过大型语言模型的内部探测实现无监督代码生成

Jiajun Wu, Jian Yang, Wei Zhang, Lin Jing, Yuqing Ma, Ensheng Shi, Yuchi Ma, Zhoujun Li, Xianglong Liu

机构 * Beihang University（北航大学） ； Huawei（华为） 纠错

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

AI总结 UCoder通过内部探测大型语言模型实现无监督代码生成，利用自一致性机制和表示质量估计训练，减少对标记数据的依赖，提升资源受限场景下的代码生成能力。

RPM-MCTS: Knowledge-Retrieval as Process Reward Model with Monte Carlo Tree Search for Code Generation

RPM-MCTS：基于蒙特卡洛树搜索的知识检索作为过程奖励模型用于代码生成

Yuanyuan Lin, Xiangyu Ouyang, Teng Zhang, Kaixin Sui

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

AI总结 RPM-MCTS通过结合知识检索与蒙特卡洛树搜索，有效评估代码生成过程中的中间步骤，减少错误并提升效率

Comments Accepted at AAAI 2026

An Exploratory Study of Bayesian Prompt Optimization for Test-Driven Code Generation with Large Language Models

基于大语言模型的测试驱动代码生成中贝叶斯提示优化的探索性研究

Shlok Tomar, Aryan Deshwal, Ethan Villalovoz, Mattia Fazzini, Haipeng Cai, Janardhan Rao Doppa

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

AI总结 本文提出BODE-GEN方法，通过贝叶斯优化优化提示以提高大语言模型生成代码的准确性，实验表明其在代码生成准确性上优于固定提示和手动提示工程。

Comments 20 pages, 13 figures

Intention Chain-of-Thought Prompting with Dynamic Routing for Code Generation

具有动态路由的意图链式思维提示法用于代码生成

Shen Li, Li Huang, Shaoxiong Zhan, Weifeng Sun, Tao Yin, Zhongxin Liu, Meng Yan

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

AI总结 RoutingGen通过动态路由策略优化代码生成，结合少样本提示与结构化推理策略ICoT，提升生成效率与质量。

Comments Accepted at AAAI-2026