代码大模型 / AI 编程

Semantic Voting: Execution-Grounded Consensus for LLM Code Generation

语义投票：基于执行的共识机制用于大语言模型代码生成

Shan Jiang, Zijian Yi, Chenguang Zhu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文研究了大语言模型代码生成中基于执行的共识机制，通过比较不同方法发现输入质量对结果影响更大，语义投票在多数配置中表现最佳。

Code Generation and Conic Constraints for Model-Predictive Control on Microcontrollers with Conic-TinyMPC

基于锥约束的模型预测控制与代码生成：适用于微控制器的Conic-TinyMPC

Ishaan Mahajan, Khai Nguyen, Sam Schoedel, Elakhya Nedumaran, Moises Mata, Brian Plancher, Zachary Manchester

机构 * School of Engineering and Applied Science, Columbia University（哥伦比亚大学工程与应用科学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Barnard College, Columbia University and Dartmouth College（哥伦比亚大学巴纳德学院和达特茅斯学院） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出一种适用于微控制器的模型预测控制方法，通过支持二次锥约束和自动生成C++代码，显著提升了嵌入式系统的求解速度和问题规模。

Comments Accepted to ICRA 2026. 4 Figures. 2 Tables. First three authors contributed equally

SafeTune: Mitigating Data Poisoning in LLM Fine-Tuning for RTL Code Generation

SafeTune: 缓解LLM微调中RTL代码生成的数据污染

Mahshid Rezakhani, Nowfel Mashnoor, Kimia Azar, Hadi Kamali

专题命中 代码生成 ：code generation(title,abstract)

AI总结 SafeTune通过结合图神经网络和语义验证模块，有效过滤数据污染，提升LLM微调的鲁棒性和可靠性，不改变底层模型架构。

Comments This paper will be presented at IEEE VLSI Test Symposium (VTS) 2026. 5 pages, 2 figures, 4 tables

Development of an LLM-Based System for Automatic Code Generation from HEP Publications

基于大语言模型的自动代码生成系统开发：从高能物理出版物中生成可执行分析代码

Masahiko Saito, Tomoe Kishimoto, Junichi Tanaka

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出利用大语言模型从高能物理论文中提取分析流程并生成可执行代码，验证了其在高能物理分析中的可行性与局限性。

Comments Proceedings of the International Symposium on Grids and Clouds (ISGC2026)

Ro-SLM: Onboard Small Language Models for Robot Task Planning and Operation Code Generation

Ro-SLM：机器人任务规划与操作代码生成的 onboard 小语言模型

Wenhao Wang, Yanyan Li, Long Jiao, Jiawei Yuan

机构 * Department of Computer & Information Science, University of Massachusetts Dartmouth（达特茅斯大学计算机与信息科学系） ； Department of Computer Science & Engineering, California State University San Marcos（加州州立大学桑马克斯分校计算机科学与工程系） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出Ro-SLM框架，通过蒸馏大语言模型知识提升机器人任务规划与代码生成能力，实验证明其性能接近大语言模型。

Comments 25 pages, 2 figures, ACL 2026

GeoTikzBridge: Advancing Multimodal Code Generation for Geometric Perception and Reasoning

GeoTikzBridge：推动多模态代码生成在几何感知与推理中的发展

Jiayin Sun, Caixia Sun, Boyu Yang, Hailin Li, Xiao Chen, Yi Zhang, Errui Ding, Liang Li, Chao Deng, Junlan Feng

机构 * JIUTIAN Research（九天研究院） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出GeoTikzBridge框架，通过基于tikz的代码生成提升局部几何感知和视觉推理能力，利用两个互补数据集训练模型，实现多模态大语言模型在几何问题解决中的先进性能。

Comments accepted by CVPR 2026

Enabling RISC-V Vector Code Generation in MLIR through Custom xDSL Lowerings

通过自定义xDSL降低实现RISC-V向量代码生成

Jie Lei, Héctor Martínez, Adrián Castelló

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文通过结合MLIR与xDSL，解决RISC-V向量扩展代码生成中缺乏的降低阶段，展示如何通过定制中间表示和转换传递，将高级操作转换为硬件感知的C代码，生成高性能RISC-V内核。

Comments 12 pages, 11 Figures, 1 table

LLM-Driven Corrective Robot Operation Code Generation with Static Text-Based Simulation

基于大型语言模型的纠正性机器人操作代码生成与静态文本模拟

Wenhao Wang, Yi Rong, Yanyan Li, Long Jiao, Jiawei Yuan

机构 * Department of CIS, University of Massachusetts Dartmouth（大学马萨诸塞州达特茅斯分校计算机信息科学系） ； Department of CSIS, California State University San Marcos（加州州立大学桑马科斯分校计算机科学与信息系统系） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出了一种基于LLM的纠正性机器人操作代码生成框架，利用静态文本模拟提升代码生成的可靠性，无需依赖动态执行环境。

Comments 8 pages, 2 figures

SimulatorCoder: DNN Accelerator Simulator Code Generation and Optimization via Large Language Models

SimulatorCoder: 基于大语言模型的DNN加速器模拟器代码生成与优化

Yuhuan Xia, Tun Li, Hongji Zhou, Xianfa Zhou, Chong Chen, Ruiyu Zhang

专题命中 代码生成 ：code generation(title,abstract)

AI总结 SimulatorCoder利用大语言模型生成并优化DNN加速器模拟器代码，通过结构化提示和反馈机制提升代码准确性和模拟性能。

AgentConductor: Topology Evolution for Multi-Agent Competition-Level Code Generation

AgentConductor: 多智能体竞争级代码生成中的拓扑演化

Siyu Wang, Ruotian Lu, Zhihao Yang, Yuchao Wang, Yanzhou Zhang, Lei Xu, Qimin Xu, Guojun Yin, Cailian Chen, Xinping Guan

专题命中 代码生成 ：code generation(title,abstract)

AI总结 AgentConductor通过动态拓扑生成和强化学习优化，提升多智能体系统在竞争级代码生成中的性能和效率。

PLLM: Pseudo-Labeling Large Language Models for CAD Program Synthesis

PLLM：基于伪标签的大型语言模型用于CAD程序合成

Yuanbo Li, Dule Shu, Yanying Chen, Matt Klenk, Daniel Ritchie

机构 * Brown University（布朗大学） ； Toyota Research Institute（丰田研究机构） 纠错

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

AI总结 PLLM通过伪标签技术，利用预训练的大语言模型和未标记的3D形状数据，提升CAD程序合成的几何保真度和程序多样性。

OptiML: An End-to-End Framework for Program Synthesis and CUDA Kernel Optimization

OptiML：一种端到端的程序合成与CUDA内核优化框架

Arijit Bhattacharjee, Heng Ping, Son Vu Le, Paul Bogdan, Nesreen K. Ahmed, Ali Jannesari

机构 * Iowa State University, Ames, Iowa, USA（爱荷华州立大学） ； Cisco AI Research, San Jose, California, USA（思科人工智能研究） ； University of Southern California, Los Angeles, California, USA（南加州大学） 纠错

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

AI总结 OptiML通过端到端框架将自然语言意图或输入代码转化为高性能CUDA内核，结合搜索与验证技术实现优化。

VisRefiner: Learning from Visual Differences for Screenshot-to-Code Generation

VisRefiner: 从视觉差异中学习以实现截图到代码生成

Jie Deng, Kaichun Yao, Libo Zhang

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 VisRefiner通过学习视觉差异提升截图到代码生成的准确性和自我完善能力。

Persistent Human Feedback, LLMs, and Static Analyzers for Secure Code Generation and Vulnerability Detection

持久的人类反馈、LLMs和静态分析器用于安全代码生成和漏洞检测

Ehsan Firouzi, Mohammad Ghafari

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出了一种持久存储人类反馈的框架，以提升LLMs在安全代码生成和漏洞检测中的可靠性。

Teaching Spell Checkers to Teach: Pedagogical Program Synthesis for Interactive Learning

通过教学让拼写检查器教学：面向互动学习的教学程序合成

Momin N. Siddiqui, Vincent Cavez, Sahana Rangasrinivasan, Abbie Olszewski, Srirangaraj Setlur, Maneesh Agrawala, Hari Subramonyam

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

AI总结 SPIRE是一种通过拼写错误引导学习者探索语言知识的交互式拼写检查系统，结合教学程序合成技术提升写作学习效果。

Comments IUI 2026

PrivCode: When Code Generation Meets Differential Privacy

PrivCode: 当代码生成遇见差分隐私

Zheng Liu, Chen Gong, Terry Yue Zhuo, Kecen Li, Weichen Yu, Matt Fredrikson, Tianhao Wang

专题命中 代码生成 ：code generation(title,abstract)

AI总结 PrivCode是一种专门设计用于代码数据集的差分隐私合成器，通过两阶段框架提升隐私和效用，生成高效用代码并保护敏感数据。

Comments Accepted at NDSS 2026; code available at https://github.com/Liuzzyg/PrivCode

Deployability-Centric Infrastructure-as-Code Generation: Fail, Learn, Refine, and Succeed through LLM-Empowered DevOps Simulation

以部署为中心的基础设施即代码生成：通过LLM赋能的DevOps模拟实现失败、学习、细化和成功

Tianyi Zhang, Shidong Pan, Zejun Zhang, Zhenchang Xing, Xiaoyu Sun

机构 * Australian National University Canberra Australia ； New York University \& Columbia University USA ； Nanyang Technological University Singapore ； Australian National University Australia ； Australian National University ； New York University \& Columbia University ； Nanyang Technological University 纠错

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

AI总结 本文提出IaCGen框架，通过迭代反馈机制提升IaC模板的部署性，实验表明其在10次迭代内可使模板部署成功率提升至91.6%，并进一步通过人工反馈将性能提升至90%以上。

Comments Accepted by FSE 2026

DiffBench Meets DiffAgent: End-to-End LLM-Driven Diffusion Acceleration Code Generation

DiffBench 与 DiffAgent：端到端的 LLM 驱动扩散加速代码生成

Jiajun jiao, Haowei Zhu, Puyuan Yang, Jianghui Wang, Ji Liu, Ziqiong Liu, Dong Li, Yuejian Fang, Junhai Yong, Bin Wang, Emad Barsoum

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出DiffBench和DiffAgent，通过LLM驱动的闭环流程，实现端到端的扩散模型加速代码生成，显著提升生成策略的有效性。

Comments Accepted to AAAI 2026

SecureCodeRL: Security-Aware Reinforcement Learning for Code Generation with Partial-Credit Rewards

SecureCodeRL: 为代码生成的具有安全意识的强化学习

Suryansh Singh Sijwali, Suman Saha

专题命中 代码生成 ：code generation(title,abstract)

AI总结 SecureCodeRL通过部分信用奖励提升代码生成的语法正确性和安全性，实现更高的测试通过率和更清洁的代码输出。

CME-CAD: Heterogeneous Collaborative Multi-Expert Reinforcement Learning for CAD Code Generation

CME-CAD：异构协作多专家强化学习用于CAD代码生成

Ke Niu, Haiyang Yu, Zhuofan Chen, Zhengtao Yao, Weitao Jia, Xiaodong Ge, Jingqun Tang, Benlei Cui, Bin Li, Xiangyang Xue

机构 * Fudan University（复旦大学） ； ByteDance Inc（字节跳动公司） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 CME-CAD通过异构协作多专家强化学习方法，提升CAD代码生成的精度和可编辑性，提出两阶段训练流程并构建开源基准CADExpert。

ChemGen: Code Generation for Multispecies Chemically Reacting Flow Simulations

ChemGen：用于多物种化学反应流模拟的代码生成

Ryan F. Johnson, Eric J. Ching, Ethan S. Genter, Joshua E. Lipman, Andrew D. Kercher, Jay Arcities, Hai Wang

专题命中 代码生成 ：code generation(title,abstract)

AI总结 ChemGen通过代码生成技术将多物种热力学和化学动力学整合到计算物理学代码中，提升燃烧建模与计算物理学的结合效率。

Comments under review

Functional Program Synthesis with Higher-Order Functions and Recursion Schemes

基于高阶函数和递归方案的功能程序合成

Matheus Campos Fernandes

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

AI总结 本文提出两种新型GP算法HOTGP和Origami，用于高效合成纯、带类型和功能的程序，其中HOTGP支持高阶函数和参数多态性，Origami通过递归方案处理循环和递归，且在多个基准测试中表现出色。

Comments Doctoral thesis

Leveraging Test Driven Development with Large Language Models for Reliable and Verifiable Spreadsheet Code Generation: A Research Framework

利用大型语言模型进行测试驱动开发以实现可靠且可验证的电子表格代码生成：一种研究框架

Simon Thorne, Advait Sarkar

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

AI总结 本文提出一种结合测试驱动开发与大型语言模型的框架，以提高电子表格代码生成的可靠性与准确性。

Comments 16 pages

Journal ref Proceedings of the EuSpRIG 2025 Conference "Spreadsheet Productivity & Risks" ISBN : 978-1-905404-60-5

Bring Your Own KG: Self-Supervised Program Synthesis for Zero-Shot KGQA

自带知识图谱：零样本知识图谱问答的自监督程序合成

Dhruv Agarwal, Rajarshi Das, Sopan Khosla, Rashmi Gangadharaiah

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； AWS AI Labs（AWS人工智能实验室） 纠错

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

AI总结 BYOKG通过自监督程序合成实现零样本知识图谱问答，利用探索机制和LLM生成查询程序，提升问答准确率。

CircuitGuard: Mitigating LLM Memorization in RTL Code Generation Against IP Leakage

Nowfel Mashnoor, Mohammad Akyash, Hadi Kamali, Kimia Azar

专题命中 代码生成 ：code generation(title,abstract)

SelfRACG: Enabling LLMs to Self-Express and Retrieve for Code Generation

Qian Dong, Jia Chen, Qingyao Ai, Hongning Wang, Haitao Li, Yi Wu, Yao Hu, Yiqun Liu, Shaoping Ma

专题命中 代码生成 ：code generation(title,abstract)

Comments Tsinghua&Xiaohongshu

Text-to-Code Generation for Modular Building Layouts in Building Information Modeling

Yinyi Wei, Xiao Li

专题命中 代码生成 ：code generation(title,abstract)

Comments Accepted at NeurIPS 2025 Main Track

Growing with Your Embodied Agent: A Human-in-the-Loop Lifelong Code Generation Framework for Long-Horizon Manipulation Skills

Yuan Meng, Zhenguo Sun, Max Fest, Xukun Li, Zhenshan Bing, Alois Knoll

专题命中 代码生成 ：code generation(title,abstract)

Comments update fig 1, typo correction - v2

Spec2RTL-Agent: Automated Hardware Code Generation from Complex Specifications Using LLM Agent Systems

Zhongzhi Yu, Mingjie Liu, Michael Zimmer, Yingyan Celine Lin, Yong Liu, Haoxing Ren

专题命中 代码生成 ：code generation(title,abstract)

Beyond the Surface: A Solution-Aware Retrieval Model for Competition-level Code Generation

Shiwen Zhang, Lingxiang Wang, Hainan Zhang, Ziwei Wang, Sijia Wen, Zhiming Zheng

专题命中 代码生成 ：code generation(title,abstract)