代码大模型 / AI 编程

Statically Contextualizing Large Language Models with Typed Holes

Andrew Blinn, Xiang Li, June Hyung Kim, Cyrus Omar

专题命中 代码生成 ：code generation(abstract)；program synthesis(abstract)；分类 cs.SE、cs.AI、cs.PL

Comments To appear at OOPSLA2024

Journal ref Proceedings of the ACM on Programming Languages, Volume 8, 2024; Issue OOPSLA2 Article No.: 288, Pages 468 - 498

Mitigating Gender Bias in Code Large Language Models via Model Editing

Zhanyue Qin, Haochuan Wang, Zecheng Wang, Deyuan Liu, Cunhang Fan, Zhao Lv, Zhiying Tu, Dianhui Chu, Dianbo Sui

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

DeepSeek-Coder: When the Large Language Model Meets Programming -- The Rise of Code Intelligence

Daya Guo, Qihao Zhu, Dejian Yang, Zhenda Xie, Kai Dong, Wentao Zhang, Guanting Chen, Xiao Bi, Y. Wu, Y. K. Li, Fuli Luo, Yingfei Xiong, Wenfeng Liang

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

Programming Puzzles

Tal Schuster, Ashwin Kalyan, Oleksandr Polozov, Adam Tauman Kalai

专题命中 代码生成 ：program synthesis(abstract)；分类 cs.SE、cs.CL、cs.AI；repository(comments)

Comments NeurIPS 2021 (Datasets and Benchmarks Track). Puzzles repository: https://github.com/microsoft/PythonProgrammingPuzzles

SemaPLC: A Project-Grounded, Verification-Gated Agent Harness for PLC Code Generation

SemaPLC：一种基于项目、经验证门控的PLC代码生成智能体框架

Yanlun Tu, Huacan Wang, Ziyue Zhou, Jie Zhou, Ningyan Zhu, Ge Chen, Wangyi Chen, Tengfei Zhou, Yifan Zhou, Dasheng Yang, Xiaofeng Mou, Hui Zhang, Yi Xu

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

AI总结 SemaPLC是基于项目、经验证门控的PLC代码生成智能体框架，通过外部检查确认任务完成，在多模型的POU任务及项目上下文任务中均表现最优，动态行为测试得分显著高于基线。

Drawing-Recode: Annotation Grounding for Parametric CAD Code Generation from Raster 2D CAD Drawings

Drawing-Recode：基于栅格2D CAD图纸的参数化CAD代码生成的标注定位方法

Mingi Kim, Yongjun Kim, Hyungki Kim

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

AI总结 Drawing-Recode是一种从栅格2D CAD图纸生成参数化CAD代码的框架，通过图像编码器、文本识别模块、交叉注意力与AGL实现标注定位，性能优于基线且对工业扫描图纸鲁棒，可助力制造自动化。

ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning

ARCANA：用于ARC-AGI-2推理的反射式多智能体程序合成框架

Kunbo Zhang, Lei Fu, Zeyu Wang, Zijing Liu, Kejian Tong

机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Northeastern University（东北大学） 纠错

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

AI总结 ARCANA是用于ARC-AGI-2推理的多智能体框架，将任务分解为感知、假设生成等步骤，智能体通过可微黑板通信，由元控制器调度。其设计结合程序搜索与校正，提升了抽象转换任务的推理效率和解决方案质量。

From Failing to Passing: Evolving Natural Language Prompt Optimization Rules for LLM Code Generation

从失败到通过：为大语言模型代码生成演化自然语言提示优化规则

Amal Akli, Melissa Akli, Cedric Richter, Mike Papadakis, Yves Le Traon

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

AI总结 研究大语言模型提示敏感性，用搜索法演化自然语言转换规则，提出DUALFIX管道，结合规则与执行反馈修复，可跨问题跨模型使用，提升代码生成性能。

SEA-TS: Self-Evolving Agent for Autonomous Code Generation of Time Series Forecasting Algorithms

SEA-TS：面向时间序列预测算法自主代码生成的自我进化智能体

Longkun Xu, Xiaochun Zhang, Qiantu Tuo, Rui Li

机构 * Ecoflow Inc.（Ecoflow公司） 纠错

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

AI总结 提出SEA-TS框架，通过度量优势MCTS、代码审查与运行提示优化、全局可引导推理三大机制，自主迭代生成、验证和优化时间序列预测算法代码，在四个数据集上优于TimeMixer等基线。

Toward Non-Expert Customized Congestion Control: Large Language Model-Assisted CCA Code Generation with eBPF Deployment

面向非专家用户的定制化拥塞控制：基于大语言模型的CCA代码生成与eBPF部署

Mingrui Zhang, Hamid Bagheri, Lisong Xu

机构 * School of Computing, University of Nebraska-Lincoln（内布拉斯加大学林肯分校计算机学院） 纠错

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

AI总结 提出NECC框架，利用大语言模型和eBPF接口，使非专家用户能轻松建模、实现和部署定制化拥塞控制算法，首次解决定制化CCA实现问题。

Comments Accepted manuscript (AAM) of IEEE ICC 2025 paper. DOI: 10.1109/ICC52391.2025.11160790

Journal ref Proc. IEEE International Conference on Communications (ICC), 2025

Extending a User Interface Prototyping Tool with Automatic MISRA C Code Generation

扩展一个用户界面原型工具以实现自动MISRA C代码生成

Gioacchino Mauro, Harold Thimbleby, Andrea Domenici, Cinzia Bernardeschi

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

AI总结 本文提出一种将PVSio-web原型工具扩展为基于模型的工程工具的方法，通过自动生成功能验证的MISRA C代码，提升医疗设备用户界面的安全性与可靠性。

Comments In Proceedings F-IDE 2016, arXiv:1701.07925

Journal ref EPTCS 240, 2017, pp. 53-66

Loo.py: transformation-based code generation for GPUs and CPUs

Loo.py: 基于转换的GPU和CPU代码生成

Andreas Klöckner

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

AI总结 Loo.py通过定义数组计算的数据模型和转换库，提供多种转换方式以实现高性能代码生成，支持从原型到高性能实现的渐进式开发。

Journal ref Proceedings of ARRAY 2014: ACM SIGPLAN Workshop on Libraries, Languages, and Compilers for Array Programming

Program Synthesis for Non-Linear Real Arithmetic: Going Beyond Realizability

非线性实数算术的程序合成：超越可实现性

S. Akshay, Supratik Chakraborty, R. Govind, Aniruddha R. Joshi

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

AI总结 研究从任意非线性实数算术规范中合成程序的问题，提出在规范不可实现时仍能输出满足规范或报告无解的程序，并给出单输出变量的完备算法和一般情况下的不完备算法。

Source-to-Source Transformations for GPU Code Generation

面向GPU代码生成的源到源转换

Julien de Castelnau, Thomas Koehler, Arthur Charguéraud, Clément Pit-Claudel

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

AI总结 本研究提出OptiGPU系统，通过源到源转换实现GPU编程的强安全性保障，减少传统方法在安全性和低层控制间的权衡，通过证明保留编译提升验证效率。

Comments Master's thesis

Usability as a Weapon: Attacking the Safety of LLM-Based Code Generation via Usability Requirements

可用性作为武器：通过可用性需求攻击基于LLM的代码生成的安全性

Yue Li, Xiao Li, Hao Wu, Yue Zhang, Yechao Zhang, Yating Liu, Fengyuan Xu, Sheng Zhong

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

AI总结 研究通过可用性需求攻击LLM生成代码的安全性，提出U-SPLOIT框架，利用可用性压力导致安全约束被忽略，成功率达98.1%。

HYPERHEURIST: A Simulated Annealing-Based Control Framework for LLM-Driven Code Generation in Optimized Hardware Design

HYPERHEURIST：一种基于模拟退火的控制框架，用于优化硬件设计中的LLM驱动代码生成

Shiva Ahir, Prajna Bhat, Alex Doboli

机构 * Department of ECE（电子工程系） ； Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出HYPERHEURIST框架，通过模拟退火方法提升LLM生成RTL设计的稳定性与重复性，兼顾功能正确性和PPA优化。

Comments 8 pages, 2 figures, 5 tables. Accepted at IJCNN 2026

Sustainable Code Generation Using Large Language Models: A Systematic Literature Review

利用大语言模型实现可持续代码生成：系统文献综述

Sabiya Banu Masthan Ali, Oussema Kirmani, Aroosa Hameed, Syed Muhammad Danish, Gautam Srivastava

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

AI总结 本文系统回顾了大语言模型生成代码的可持续性研究，分析了代码效率对环境影响，指出现有研究存在方法分散、缺乏统一评估框架的问题。

A Taxonomy of Programming Languages for Code Generation

编程语言的分类：为代码生成提供分类

Nishat Raihan, Christian Newman, Marcos Zampieri

机构 * George Mason University（乔治梅森大学） ； Rochester Institute of Technology（罗彻斯特理工学院） 纠错

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

AI总结 本文提出首个可复现的编程语言资源分类，将646种语言分为四类，揭示资源分布的极端不均衡，为多语言大模型的评估提供框架。

From Theory to Practice: Code Generation Using LLMs for CAPEC and CWE Frameworks

从理论到实践：利用LLMs为CAPEC和CWE框架生成代码

Murtuza Shahzad, Joseph Wilson, Ibrahim Al Azher, Hamed Alhoori, Mona Rahimi

机构 * Northern Illinois University（北伊利诺伊大学） 纠错

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

AI总结 本文提出一个基于LLMs生成CAPEC和CWE漏洞代码的数据集，通过GPT-4o、Llama和Claude模型生成高准确性的代码示例，提升安全漏洞识别与修复的效率。

Image2Gcode: Image-to-G-code Generation for Additive Manufacturing Using Diffusion-Transformer Model

Image2Gcode: 基于扩散-变换器模型的图像到G-code生成用于增材制造

Ziyue Wang, Yayati Jadhav, Peter Pak, Amir Barati Farimani

机构 * Department of Materials Science and Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（材料科学与工程系，卡内基梅隆大学，匹兹堡，PA，USA） ； Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

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

AI总结 本文提出Image2Gcode框架，通过图像直接生成可打印的G-code，省去CAD建模步骤，提升增材制造的易用性和效率。

Linear Layouts: Robust Code Generation of Efficient Tensor Computation Using $\mathbb{F}_2$

线性布局：利用$\mathbb{F}_2$实现高效张量计算的鲁棒代码生成

Keren Zhou, Mario Lezcano, Adam Goucher, Akhmed Rakhmati, Jeff Niu, Justin Lebar, Pawel Szczerbuk, Peter Bell, Phil Tillet, Thomas Raoux, Zahi Moudallal

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

AI总结 本文提出线性布局方法，利用$\mathbb{F}_2$实现高效张量计算的鲁棒代码生成，通过通用布局定义和转换减少工程工作量并修复Triton布局系统中的错误。

Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning

Paper2Code: 从科学论文自动生成机器学习代码

Minju Seo, Jinheon Baek, Seongyun Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； LG AI Research（LG人工智能研究所） 纠错

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

AI总结 Paper2Code通过多代理LLM框架自动生成机器学习论文的高质量代码实现，有效提升代码生成效率和准确性。

Comments ICLR 2026

What to Cut? Predicting Unnecessary Methods in Agentic Code Generation

什么要删？在代理代码生成中预测不必要的方法

Kan Watanabe, Tatsuya Shirai, Yutaro Kashiwa, Hajimu Iida

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

AI总结 本文提出了一种预测模型，用于识别在代理代码生成中可能被删除的功能，通过分析不同删除原因的特征，提升审查效率。

Optimal Program Synthesis via Abstract Interpretation

通过抽象解释实现最优程序合成

Stephen Mell, Steve Zdancewic, Osbert Bastani

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

AI总结 本文提出了一种基于抽象解释的框架，用于在领域特定语言中高效合成最优程序，通过A*搜索和抽象转换器提升可扩展性。

Journal ref Proc. ACM Program. Lang. 8, POPL, Article 16 (January 2024)

Geo-Code: A Code Framework for Reverse Code Generation from Geometric Images Based on Two-Stage Multi-Agent Evolution

Geo-Code: 一种基于双阶段多智能体演化的几何图像反向代码生成框架

Zhenyu Wu, Yanxi Long, Jian Li, Hua Huang

机构 * School of Artificial Intelligence, Beijing Normal University, Beijing, China（人工智能学院，北京师范大学，北京，中国） 纠错

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

AI总结 Geo-Code提出一种基于双阶段多智能体演化的几何图像反向代码生成框架，通过像素级锚定和度量驱动的代码演化提升几何重建精度和视觉一致性。

Comments ICML2026

Failure-Aware Enhancements for Large Language Model (LLM) Code Generation: An Empirical Study on Decision Framework

面向大语言模型（LLM）代码生成的失败意识增强：决策框架的实证研究

Jianru Shen, Zedong Peng, Lucy Owen

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

AI总结 本文通过实证研究，提出了一种基于失败特征的决策框架，用于指导大语言模型代码生成中的增强策略选择。

Comments Accepted at SANER 2026

Idea First, Code Later: Disentangling Problem Solving from Code Generation in Evaluating LLMs for Competitive Programming

先有想法，后写代码：在评估LLM用于竞技编程时，将问题解决与代码生成解耦

Sama Hadhoud, Alaa Elsetohy, Frederikus Hudi, Jan Christian Blaise Cruz, Steven Halim, Alham Fikri Aji

机构 * MBZUAI ； NAIST ； National University of Singapore（国立新加坡大学） 纠错

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

AI总结 本文提出通过编辑稿而非代码来评估LLM在竞技编程中的问题解决能力，并引入数据集和评估方法，强调区分问题解决与实现的重要性。

CODE ACROSTIC: Robust Watermarking for Code Generation

CODE ACROSTIC: 为代码生成提供稳健的水印技术

Li Lin, Siyuan Xin, Yang Cao, Xiaochun Cao

机构 * Institude of Science Tokyo（东京科学研究院） ； Shanghai University（上海大学） ； Sun Yat-sen University（孙中山大学） 纠错

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

AI总结 CODE ACROSTIC通过利用Cue List区分代码熵，提升代码水印标记的可检测性和实用性，有效应对注释移除攻击。

LEGO: A Layout Expression Language for Code Generation of Hierarchical Mapping

LEGO：一种用于分层映射代码生成的布局表达语言

Amir Mohammad Tavakkoli, Cosmin Oancea, Mary Hall

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

AI总结 LEGO是一种用于生成分层映射代码的布局表达语言，通过布局规范生成索引表达式，可集成至编译器和模板中，实现数据和计算优化。

Lost in Code Generation: Reimagining the Role of Software Models in AI-driven Software Engineering

Jürgen Cito, Dominik Bork

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

Comments Updated the bibliography to remove a few incorrect references and ensure all citations are accurate