代码大模型 / AI 编程

CONCUR: Benchmarking LLMs for Concurrent Code Generation

CONCUR: 评估LLM在并发代码生成中的基准测试

Jue Huang, Tarek Mahmud, Corina Pasareanu, Guowei Yang

机构 * The University of Queensland（昆士兰大学） ； Texas A&M University - Kingsville（德克萨斯农工大学-国王维尔分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 CONCUR是一个专门评估LLM在并发代码生成能力的基准测试，包含115个问题，涵盖基础和变体，用于评估LLM在并发编程中的性能。

R1-Code-Interpreter: LLMs Reason with Code via Supervised and Multi-stage Reinforcement Learning

R1-Code-Interpreter: LLMs通过监督学习和多阶段强化学习进行代码推理

Yongchao Chen, Yueying Liu, Junwei Zhou, Yilun Hao, Jingquan Wang, Yang Zhang, Na Li, Chuchu Fan

机构 * MIT / Harvard（麻省理工学院/哈佛大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Harvard（哈佛大学） 纠错

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

AI总结 R1-Code-Interpreter通过监督学习和多阶段强化学习提升LLM的代码推理能力，实现对多样化任务的高效处理，显著提升模型性能。

Comments 29 pages

A Rubric-Supervised Critic from Sparse Real-World Outcomes

从稀疏现实结果中学习的评分监督批评者

Xingyao Wang, Valerie Chen, Heng Ji, Graham Neubig

专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种从稀疏现实结果中学习的评分监督批评者模型，用于提升编码代理的训练和推理性能。

NeuroProlog: Multi-Task Fine-Tuning for Neurosymbolic Mathematical Reasoning via the Cocktail Effect

NeuroProlog：通过鸡尾酒效应实现神经符号数学推理的多任务微调

Pratibha Zunjare, Michael Hsiao

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 程序修复 ：program repair(abstract)；program synthesis(abstract)；分类 cs.AI

AI总结 NeuroProlog通过鸡尾酒效应实现神经符号数学推理的多任务微调，提升数学推理准确率并改进程序修复能力。

Code Fingerprints: Disentangled Attribution of LLM-Generated Code

代码指纹：解耦的LLM生成代码归因

Jiaxun Guo, Ziyuan Yang, Mengyu Sun, Hui Wang, Jingfeng Lu, Yi Zhang

机构 * School of Cyber Science and Engineering, Sichuan University, Chengdu, China（四川大学计算机科学与工程学院） 纠错

专题命中 代码评测 ：code generation(abstract)；分类 cs.SE、cs.CL

AI总结 本文提出DCAN网络，通过解耦语义与风格信息，实现对LLM生成代码的多模型归因。

Comments 11 pages, 11 figures

$V_1$: Unifying Generation and Self-Verification for Parallel Reasoners

$V_1$: 为并行推理器统一生成与自我验证

Harman Singh, Xiuyu Li, Kusha Sareen, Monishwaran Maheswaran, Sijun Tan, Xiaoxia Wu, Junxiong Wang, Alpay Ariyak, Qingyang Wu, Samir Khaki, Rishabh Tiwari, Long Lian, Yucheng Lu, Boyi Li, Alane Suhr, Ben Athiwaratkun, Kurt Keutzer

专题命中 代码评测 ：code generation(abstract)；分类 cs.CL

AI总结 $V_1$通过高效成对排名统一生成与自我验证，提升代码生成和数学推理任务的性能和效率。

Knowledge Graph and Hypergraph Transformers with Repository-Attention and Journey-Based Role Transport

知识图谱与超图变换器与仓库注意力和基于旅程的角色传输

Mahesh Godavarti

专题命中 仓库级理解 ：repository(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种结合句子和结构化数据的模型，通过仓库注意力和基于旅程的角色传输实现语言和知识表示的分离，并支持多任务学习。

Comments 9 pages

Leveraging Large Language Models for Semantic Query Processing in a Scholarly Knowledge Graph

利用大语言模型在学术知识图谱中进行语义查询处理

Runsong Jia, Bowen Zhang, Sergio J. Rodríguez Méndez, Pouya G. Omran

机构 * Australian National University（澳大利亚国立大学） 纠错

专题命中 仓库级理解 ：repository(abstract,comments)；分类 cs.CL、cs.AI

AI总结 本文提出利用大语言模型与学术知识图谱结合，提升语义查询处理的准确性和效率，以改进学术研究中的知识管理与发现。

Comments for the associated repository, see http://w3id.org/kgcp/KGQP

Physics-constrained symbolic regression for discovering closed-form equations of multimodal water retention curves from experimental data

具有物理约束的符号回归用于从实验数据中发现多模水 retention 曲线的闭式方程

Yejin Kim, Hyoung Suk Suh

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI

AI总结 本文提出了一种受物理约束的机器学习框架，通过符号回归自动从实验数据中发现多模水保留曲线的闭式方程，提升多孔材料水保留特性的建模能力。

UQLM: A Python Package for Uncertainty Quantification in Large Language Models

UQLM：用于大型语言模型不确定性量化的Python包

Dylan Bouchard, Mohit Singh Chauhan, David Skarbrevik, Ho-Kyeong Ra, Viren Bajaj, Zeya Ahmad

机构 * CVS Health（CVS健康） 纠错

专题命中 仓库级理解 ：分类 cs.CL、cs.AI、cs.LG；repository(comments)

AI总结 UQLM是一个用于检测大型语言模型幻觉的Python工具包，通过先进的不确定性量化技术提升模型输出的可靠性。

Comments Accepted by JMLR; UQLM Repository: https://github.com/cvs-health/uqlm

Journal ref Journal of Machine Learning Research, 2026

DKD-KAN: A Lightweight knowledge-distilled KAN intrusion detection framework, based on MLP and KAN

DKD-KAN：一种轻量级的知识蒸馏KAN入侵检测框架，基于MLP和KAN

Mohammad Alikhani

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出了一种基于MLP和KAN的轻量级入侵检测框架，利用DKD方法实现知识蒸馏，有效减少模型参数规模并保持高检测性能。

Funders open access mandates: uneven uptake and challenging models

资金方开放获取要求：不均衡的采用情况和具有挑战性的模型

Lucía Céspedes, Madelaine Hare, Simon van Bellen, Philippe Mongeon, Vincent Larivière

专题命中 仓库级理解 ：repository(abstract)

AI总结 本研究探讨了不同政策对开放获取采用的影响，发现受资助论文更可能为开放获取，但全球钻石开放获取的低采用率和拉丁美洲国家的索引问题仍存在显著差异。

Comments 17 pages (incl. supplementary materials)