CoRoVA: Compressed Representations for Vector-Augmented Code Completion
CoRoVA：用于向量增强代码补全的压缩表示
机构 * HSE University（俄罗斯莫斯科高等教育学院）
专题命中 代码生成 ：repository(abstract)；分类 cs.CL
AI总结 CoRoVA通过压缩上下文提升代码补全效率，减少提示扩展并降低延迟，提升生成质量。
AI 大模型
代码大模型 / AI 编程
代码生成、软件工程智能体、程序修复、测试生成和开发者工具。
1. 代码生成 4132 篇
E2LLM: Encoder Elongated Large Language Models for Long-Context Understanding and Reasoning
E2LLM：用于长上下文理解与推理的编码器扩展大语言模型
机构 * East China Normal University（东华师范大学） ； Ant Group（蚂蚁集团）
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL
AI总结 本文提出E2LLM，通过分块压缩和适配器对齐，解决长上下文处理中的性能、效率与兼容性难题，在文档摘要和问答任务中优于现有方法。
Comments Accept by EMNLP'25
LLM-based Realistic Safety-Critical Driving Video Generation
基于LLM的现实安全关键驾驶视频生成
机构 * Department of Civil Engineering and Engineering Mechanics, Columbia University（哥伦比亚大学土木工程与工程力学系） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出利用LLM生成少样本代码实现安全关键驾驶场景生成，结合CARLA模拟器与Cosmos-Transfer1和ControlNet生成真实驾驶视频，提升自动驾驶测试效率。
PoTable: Towards Systematic Thinking via Plan-then-Execute Stage Reasoning on Tables
PoTable：通过表格推理中的计划-执行阶段推理实现系统性思维
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出PoTable，一种基于计划-执行阶段的表格推理方法，通过明确的分析阶段和代码生成机制提升推理的系统性和可解释性。
Comments Accepted by IEEE TKDE 2026
Learning Hierarchical and Geometry-Aware Graph Representations for Text-to-CAD
学习层次化和几何感知的图表示以实现文本到CAD
机构 * South China University of Technology（华南理工大学） ； Zhuzhou CRRC Times Electric Co., Ltd.（株洲中车时代电气股份有限公司） ； Guangdong University of Technology（广东工业大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出层次化和几何感知的图表示，通过结构预测和约束建模提升CAD代码生成的几何精度和约束满足能力，同时引入渐进课程学习策略和12K数据集进行实验验证。
Comments Accepted by ICLR 2026
Enhancing LLM Problem Solving via Tutor-Student Multi-Agent Interaction
通过导师-学生多智能体交互增强LLM问题解决能力
机构 * Ozyegin University（奥兹耶金大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出PETITE框架，通过角色差异化交互提升LLM问题解决性能，对比自一致性、自修正等方法，显示在APPS基准上准确率相近或更高且消耗更少token。
Comments 7 pages, 3 figures, This work is under review for conference appearance
An Eye for Trust: An Exploration of Developers' Trust Perceptions Through Urgency and Reputation
信任之眼：通过紧迫性和声誉探索开发者信任感知
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 研究通过眼动实验探讨紧迫性和声誉如何影响开发者对代码可信度的判断，发现代码优先级影响审查行为但不影响采纳决策，且开发者未充分意识到紧迫性和声誉的影响。
Hierarchical SVG Tokenization: Learning Compact Visual Programs for Scalable Vector Graphics Modeling
分层SVG标记化：为可扩展矢量图形建模学习紧凑的视觉程序
机构 * Tencent（腾讯） ； Visual Computing Group, Beijing（北京视觉计算组）
专题命中 代码生成 ：program synthesis(abstract)；分类 cs.LG
AI总结 本文提出HiVG框架，通过分层标记化提升矢量图形生成的序列效率与空间一致性，解决传统标记化方法在几何结构表达上的不足。
Comments Homepage: https://hy-hivg.github.io/
A survey of generative AI adoption and perceived productivity among scientists who program
生成式AI采纳与科学家编程中感知生产力的综述
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 本文综述了生成式AI在科学家编程中的采纳情况，发现学生和经验较少的程序员更倾向于使用通用对话接口，且生成代码量与感知生产力密切相关。
Comments Revisions
Security Concerns in Generative AI Coding Assistants: Insights from Online Discussions on GitHub Copilot
生成式AI代码助手的安全问题：来自GitHub Copilot在线讨论的洞察
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 研究分析开发者在公共论坛中提出的安全问题，识别出数据泄露、代码授权、对抗攻击和不安全代码建议等四大安全关切，揭示生成式AI在软件工程中的局限性与权衡。
Comments Accepted for publication at EASE '26 Companion
To Copilot and Beyond: 22 AI Systems Developers Want Built
与Copilot一起：22位AI系统开发者想要构建的系统
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 本文通过调研860名微软开发者，识别出22个AI系统需求，涵盖五个任务类别。研究发现开发者希望AI在早期工作流中嵌入质量信号，同时限制其权限和隐私，揭示了AI辅助开发中的'有界委托'模式。
Comments Companion paper to "AI Where It Matters": arXiv:2510.00762
Babbling Suppression: Making LLMs Greener One Token at a Time
babbling suppression：使LLMs在每个token上更环保
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 本文研究LLM代码生成中的babbling问题，提出babbling suppression方法，通过整合测试执行减少冗余输出，降低能耗和开发者认知负担。
AI-Driven Research for Databases
基于人工智能的数据库研究
机构 * UC Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Meta ； Workday ； University of Michigan（密歇根大学） ； Maven AGI
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出利用大语言模型自动化发现数据库性能优化方案，通过共进化设计评估器与解决方案，展示了在缓冲管理、查询重写和索引选择中的有效性，实现了优于现有方法的性能提升。
Automated Functional Testing for Malleable Mobile Application Driven from User Intent
基于用户意图的可变移动应用自动化功能测试
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 本文提出ALADDIN框架，通过用户需求驱动生成GUI测试，验证用户指定功能的正确性，展示了在六个移动应用上的有效性，推动移动开发向用户驱动模式转变。
Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring
深度研究员代理：一个全天候深度学习实验的自主框架，零成本监控
机构 * The University of Tokyo（东京大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出深度研究员代理框架，实现24/7深度学习实验自动化，通过零成本监控、双层固定大小内存和最小工具集架构，提升实验效率与成本效益。
SignalClaw: LLM-Guided Evolutionary Synthesis of Interpretable Traffic Signal Control Skills
SignalClaw：基于大语言模型的进化合成可解释交通信号控制技能
机构 * Sichuan University（四川大学）
专题命中 代码生成 ：program synthesis(abstract)；分类 cs.AI
AI总结 SignalClaw通过大语言模型引导进化合成可解释的交通信号控制技能，结合模拟指标生成自然语言反馈，实现高效且可解释的交通信号控制策略。
ENTER: Event Based Interpretable Reasoning for VideoQA
基于事件的可解释推理用于视频问答
机构 * Columbia University（哥伦比亚大学） ； Virginia Tech（弗吉尼亚理工大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出ENTER系统，通过事件图实现可解释的视频问答，利用事件图结构提升可解释性、上下文信息整合和鲁棒性，优于传统自上而下和自下而上方法。
StatsClaw: An AI-Collaborative Workflow for Statistical Software Development
StatsClaw：统计软件开发的AI协作工作流
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 StatsClaw通过多智能体架构实现统计软件开发的可靠自动化，通过信息隔离机制确保代码生成与验证的独立性，提升软件生命周期的工程效率并保持研究人员对方法学的控制。
Benchmarking and Evaluating VLMs for Software Architecture Diagram Understanding
对软件架构图理解的VLMs基准测试与评估
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 本文提出SADU基准，评估VLMs在理解软件架构图作为结构化软件工程制品上的能力，揭示当前模型在图表推理和视觉关系定位方面的不足。
Customized User Plane Processing via Code Generating AI Agents for Next Generation Mobile Networks
通过代码生成AI代理实现定制化用户平面处理以适用于下一代移动网络
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文研究了利用AI代理生成定制化处理模块的方法，探讨了模型选择、提示设计和代码模板对生成准确性的影响，证明AI代理能在合适条件下实现所需行为。
Apriel-1.5-OpenReasoner: RL Post-Training for General-Purpose and Efficient Reasoning
阿普里尔-1.5-开放式推理机：基于强化学习的后训练通用高效推理
机构 * ServiceNow
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG
AI总结 本文提出Apriel-1.5-OpenReasoner，通过可复现的多领域强化学习后训练方法，在Apriel-Base上实现跨五个领域的通用高效推理，提升推理效率并优化不同难度问题的推理长度。
Comments 20 pages, 4 tables, 6 figures, appendix included
Token-Efficient Multimodal Reasoning via Image Prompt Packaging
通过图像提示包装实现高效的多模态推理
机构 * BNY ； Pittsburgh US（美国匹兹堡）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出图像提示包装方法，通过将结构化文本嵌入图像以减少文本令牌开销，并在多个数据集和模型上验证其效果，展示了在多模态系统设计中视觉编码的重要性。
Comments 9 pages including references
Precision or Peril: A PoC of Python Code Quality from Quantized Large Language Models
精度与危险：从量化大语言模型中Python代码质量的证明概念
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 研究探讨了小型LLM的代码生成性能及量化影响，发现生成代码存在质量和可维护性问题，强调在软件项目中需谨慎验证LLM生成的代码。
AeroTherm-GPT: A Verification-Centered LLM Framework for Thermal Protection System Engineering Workflows
AeroTherm-GPT：一种面向热防护系统工程工作流的验证中心LLM框架
机构 * School of Civil Engineering, Beijing Jiaotong University（北京交通大学土木工程学院） ； Beijing Research Institute of Telemetry（北京遥测技术研究所）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出AeroTherm-GPT，一种专为热防护系统设计的LLM代理，通过约束闭环生成框架解决超音速热防护系统设计中生成可执行仿真工具时的约束冲突问题，实现高效率的根因修复。
StelLA: Subspace Learning in Low-rank Adaptation using Stiefel Manifold
StelLA: 基于Stiefel流形的低秩适应子空间学习
机构 * Sony AI Zurich（索尼AI苏黎世）
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG
AI总结 StelLA通过引入三因子分解U SV^T，利用Stiefel流形约束U和V的正交性，提升低秩适应的性能，适用于多种下游任务。
Comments NeurIPS 2025 Spotlight
VibeGuard: A Security Gate Framework for AI-Generated Code
VibeGuard：面向AI生成代码的安全闸门框架
机构 * Kennesaw State University（肯尼索州立大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出VibeGuard，针对AI生成代码中的五个盲点提供预发布安全检查，通过实验验证其在八个合成项目中的高召回率和精度，为依赖AI生成代码的团队提供多层次防御策略。
From Code Changes to Quality Gains: An Empirical Study in Python ML Systems with PyQu
从代码变更到质量提升：基于PyQu的Python ML系统实证研究
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 本文通过分析3340个开源Python ML项目，利用PyQu工具识别出61种提升软件质量的代码变更，揭示了代码变更与ML系统质量之间的关系，填补了现有研究的空白。
Comments Accepted for publication in the proceedings of IEEE/ACM 48th International Conference on Software Engineering (ICSE26)
Human-in-the-Loop Control of Objective Drift in LLM-Assisted Computer Science Education
人机协同控制LLM辅助计算机科学教育中的目标漂移
机构 * Asheville Institute for Memory and Longevity（阿什维尔记忆与长寿研究所） ； University of North Carolina Asheville（北卡罗来纳大学阿什维尔分校）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出一种人机协同的教学方法，通过分离规划与执行，训练学生在代码生成前指定接受标准和架构约束，以稳定AI辅助学习过程。
Comments 8 pages
LocationReasoner: Evaluating LLMs on Real-World Site Selection Reasoning
LocationReasoner: 评估大语言模型在真实世界选址推理中的能力
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出LocationReasoner基准测试，评估大语言模型在复杂现实选址场景中的推理能力，发现先进模型在实际应用中表现有限，且代理策略常因过度推理而效果不佳。
Comments ICLR 2026 Workshop on Efficient Spatial Reasoning
Automated near-term quantum algorithm discovery for molecular ground states
自动近 term 量子算法发现用于分子基态
机构 * Quantinuum ； Hiverge
专题命中 代码生成 ：program synthesis(abstract)；分类 cs.AI
AI总结 本文利用AI平台Hive发现高效量子启发式算法，解决LiH、H2O和F2分子基态问题，减少量子资源消耗，并通过可解释性研究和实验验证，为化学精度提供系统要求。
Comments main: 17 pages, 7 Figures
