代码大模型 / AI 编程

QiMeng-CRUX: Narrowing the Gap Between Natural Language and Verilog via Core Refined Understanding eXpression for Circuit Design

QiMeng-CRUX: 通过核心精细化理解表达缩小自然语言与Verilog之间的差距以电路设计

Lei Huang, Rui Zhang, Jiaming Guo, Yang Zhang, Di Huang, Shuyao Cheng, Pengwei Jin, Chongxiao Li, Zidong Du, Xing Hu, Yunji Chen, Qi Guo

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

AI总结 QiMeng-CRUX通过核心精细化理解表达缩小自然语言与Verilog之间的差距，提升硬件代码生成的准确性和效率。

Comments Accepted by the AAAI26 Conference Main Track

Rewriting Pre-Training Data Boosts LLM Performance in Math and Code

重写预训练数据提升LLM在数学和代码上的表现

Kazuki Fujii, Yukito Tajima, Sakae Mizuki, Masaki Kawamura, Hinari Shimada, Taihei Shiotani, Koshiro Saito, Masanari Oi, Taishi Nakamura, Takumi Okamoto, Shigeki Ishida, Kakeru Hattori, Youmi Ma, Hiroya Takamura, Rio Yokota, Jun Sakuma, Naoaki Okazaki

机构 * Institute of Science Tokyo, Department of Computer Science（东京科学研究所，计算机科学系） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院） ； Institute of Science Tokyo, Institute of Integrated Research, Supercomputing Research Center（东京科学研究所，整合研究所，超级计算研究中心） 纠错

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

AI总结 通过重写预训练数据提升LLM在数学和代码任务中的表现

Fine-Tuning GPT-5 for GPU Kernel Generation

为GPU内核生成微调GPT-5

Ali Tehrani, Yahya Emara, Essam Wissam, Wojciech Paluch, Waleed Atallah, Łukasz Dudziak, Mohamed S. Abdelfattah

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

AI总结 通过强化学习微调GPT-5提升GPU内核生成性能，实现正确率和效率的显著提升。

LLMs + Security = Trouble

Benjamin Livshits

机构 * Imperial College London（伦敦帝国学院） 纠错

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

Mitigating Sensitive Information Leakage in LLMs4Code through Machine Unlearning

通过机器遗忘减轻LLM4Code中的敏感信息泄露

Shanzhi Gu, Zhaoyang Qu, Ruotong Geng, Mingyang Geng, Shangwen Wang, Chuanfu Xu, Haotian Wang, Zhipeng Lin, Dezun Dong

机构 * College of Computer Science and Technology, National University of Defense Technology, Changsha, Hunan, 410073, China（计算机科学与技术学院，国防科技大学，长沙，湖南，410073，中国） ； Xichang Satellite Launch Center, Xichang, Sichuan, 615000, China（西昌卫星发射中心，西昌，四川，615000，中国） ； Academy of Military Sciences, Beijing, 100091, China（军事科学院，北京，100091，中国） 纠错

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

AI总结 本文通过机器遗忘技术有效减少LLMs4Code中的敏感信息泄露，同时保持代码生成性能，揭示了间接泄露的潜在风险。

Comments 13 pages

How Do Agents Perform Code Optimization? An Empirical Study

代理如何执行代码优化？一项实证研究

Huiyun Peng, Antonio Zhong, Ricardo Andrés Calvo Méndez, Kelechi G. Kalu, James C. Davis

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文通过实证研究比较了AI和人类在性能优化提交中的表现，发现AI提交在性能验证方面较人类不足，但优化模式与人类相似。

Reflection-Driven Control for Trustworthy Code Agents

基于反射的可信代码代理控制

Bin Wang, Jiazheng Quan, Xingrui Yu, Hansen Hu, Yuhao, Ivor Tsang

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

AI总结 本文提出反射驱动控制方法，通过内部反思循环提升代码生成的安全性和合规性，实现自主、安全且可审计的AI代码代理。

Comments Accepted to AAAI 2026 Workshop on Trust and Control in Agentic AI (TrustAgent)

Casting a SPELL: Sentence Pairing Exploration for LLM Limitation-breaking

为LLM突破限制而探索句子配对：恶意代码生成的测试框架

Yifan Huang, Xiaojun Jia, Wenbo Guo, Yuqiang Sun, Yihao Huang, Chong Wang, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） 纠错

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

AI总结 SPELL框架通过智能句子配对探索LLM在恶意代码生成中的安全漏洞，有效提升对抗测试效果。

Comments Accepted to FSE 2026

Does In-IDE Calibration of Large Language Models work at Scale?

Roham Koohestani, Agnia Sergeyuk, David Gros, Claudio Spiess, Sergey Titov, Prem Devanbu, Maliheh Izadi

机构 * Delft University of Technology（代尔夫特理工大学） ； JetBrains Research（JetBrains研究） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

Comments Under Review

A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System

Jiale Guo, Suizhi Huang, Mei Li, Dong Huang, Xingsheng Chen, Regina Zhang, Zhijiang Guo, Han Yu, Siu-Ming Yiu, Pietro Lio, Kwok-Yan Lam

机构 * Digital Trust Centre, Nanyang Technological University, Singapore（南洋理工大学数字信任中心） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； School of Computing and Data Science, The University of Hong Kong, Hong Kong（香港大学计算与数据科学学院） ； School of Computer Science and Technology, The University of Cambridge, UK（剑桥大学计算机科学与技术学院） 纠错

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

Comments 22 pages

Agentic AI for Software: thoughts from Software Engineering community

Abhik Roychoudhury

机构 * NUS（国立新加坡大学） ； SonarSource SA 纠错

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

Comments 4 pages

Correctness Assessment of Code Generated by Large Language Models Using Internal Representations

Tuan-Dung Bui, Thanh Trong Vu, Thu-Trang Nguyen, Son Nguyen, Hieu Dinh Vo

机构 * Faculty of Information Technology, VNU University of Engineering and Technology（信息科技学院，越南工程大学） 纠错

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

Towards a Science of Causal Interpretability in Deep Learning for Software Engineering

David N. Palacio

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

Comments PhD thesis, To appear in ProQuest

ChiseLLM: Unleashing the Power of Reasoning LLMs for Chisel Agile Hardware Development

Bowei Wang, Jiaran Gao, Yelai Feng, Renzhi Chen, Shanshan Li, Lei Wang

机构 * Computer Department National University of Defense Technology（国防科技大学计算机系） ； School of Computer & Communication Engineering University of Science and Technology Beijing（北京科技大学计算机与通信工程学院） ； Intelligent Microelectronics Center Qiyuan Lab（智能微电子中心启元实验室） ； College of Computer Science and Technology National University of Defense Technology（国防科技大学计算机科学与技术学院） ； Defense Innovation Institute Academy of Military Science（军事科学创新院） 纠错

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

Machine Learning meets Algebraic Combinatorics: A Suite of Datasets Capturing Research-level Conjecturing Ability in Pure Mathematics

Herman Chau, Helen Jenne, Davis Brown, Jesse He, Mark Raugas, Sara Billey, Henry Kvinge

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

Comments 26 pages, comments welcome

Toward Neurosymbolic Program Comprehension

Alejandro Velasco, Aya Garryyeva, David N. Palacio, Antonio Mastropaolo, Denys Poshyvanyk

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

o3-mini vs DeepSeek-R1: Which One is Safer?

Aitor Arrieta, Miriam Ugarte, Pablo Valle, José Antonio Parejo, Sergio Segura

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

Comments arXiv admin note: substantial text overlap with arXiv:2501.17749

Prompting Large Language Models to Tackle the Full Software Development Lifecycle: A Case Study

Bowen Li, Wenhan Wu, Ziwei Tang, Lin Shi, John Yang, Jinyang Li, Shunyu Yao, Chen Qian, Binyuan Hui, Qicheng Zhang, Zhiyin Yu, He Du, Ping Yang, Dahua Lin, Chao Peng, Kai Chen

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

Comments Our data and code are available at https://github.com/open-compass/DevEval

Learning to Reason via Program Generation, Emulation, and Search

Nathaniel Weir, Muhammad Khalifa, Linlu Qiu, Orion Weller, Peter Clark

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

Comments NeurIPS 2024 camera ready

Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion?

Zhenyu Pan, Rongyu Cao, Yongchang Cao, Yingwei Ma, Binhua Li, Fei Huang, Han Liu, Yongbin Li

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

ReGAL: Refactoring Programs to Discover Generalizable Abstractions

Elias Stengel-Eskin, Archiki Prasad, Mohit Bansal

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

Comments ICML 2024 Camera-Ready; First two authors contributed equally; Code: https://github.com/esteng/regal_program_learning

Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap

Xingyu Wu, Sheng-hao Wu, Jibin Wu, Liang Feng, Kay Chen Tan

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

Comments evolutionary algorithm (EA), large language model (LLM), optimization problem, prompt engineering, algorithm generation, neural architecture search

DocuMint: Docstring Generation for Python using Small Language Models

Bibek Poudel, Adam Cook, Sekou Traore, Shelah Ameli

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

Comments 12 pages, 4 figures

Teaching Large Language Models to Self-Debug

Xinyun Chen, Maxwell Lin, Nathanael Schärli, Denny Zhou

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

Is ChatGPT the Ultimate Programming Assistant -- How far is it?

Haoye Tian, Weiqi Lu, Tsz On Li, Xunzhu Tang, Shing-Chi Cheung, Jacques Klein, Tegawendé F. Bissyandé

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

Multi-target Backdoor Attacks for Code Pre-trained Models

Yanzhou Li, Shangqing Liu, Kangjie Chen, Xiaofei Xie, Tianwei Zhang, Yang Liu

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

Comments ACL 2023 main conference

SynGuar: Guaranteeing Generalization in Programming by Example

Bo Wang, Teodora Baluta, Aashish Kolluri, Prateek Saxena

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

Unified Pre-training for Program Understanding and Generation

Wasi Uddin Ahmad, Saikat Chakraborty, Baishakhi Ray, Kai-Wei Chang

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

Comments NAACL 2021 (camera ready)

Towards Clause Learning à la Carte through VarMonads

Arved Friedemann, Oliver Keszocze

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

Comments Paper presented at the 32nd International Symposium on Logic-Based Program Synthesis and Transformation (LOPSTR 2022), Tbilisi, Georgia, and Virtual, September 22-23, 2022 (arXiv:2208.04235)

PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation

PrintAnything：学习用于3D打印G-code生成的中间表示

Sangmin Hong, Daniel Sungho Jung, Heewon Kim, Kyoung Mu Lee

机构 * IPAI, Seoul National University（首尔大学 IPAI） ； Seoul National University（首尔大学） ； Soongsil University（崇实大学） ； Kairoba Inc.（Kairoba公司） 纠错

专题命中 代码生成 ：code generation(title)

AI总结 PrintAnything框架无需网格重建，通过切片式点投影策略和G-plan图，直接从点云生成可执行3D打印G-code，实现无网格的实用3D打印流程。

Comments European Conference on Computer Vision (ECCV) 2026