Hierarchical Embedding Fusion for Retrieval-Augmented Code Generation
层次嵌入融合用于检索增强的代码生成
机构 * ITMO University（ITMO大学）
专题命中 代码生成 ：code generation(title,abstract)；repository(abstract)；分类 cs.CL、cs.LG
AI总结 HEF通过层次嵌入融合技术，实现了低延迟的仓库感知代码补全，有效减少检索延迟并提升准确度。
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 13 篇
Symmetry-Constrained Language-Guided Program Synthesis for Discovering Governing Equations from Noisy and Partial Observations
基于对称约束的语言引导程序合成的 governing 方程发现方法
机构 * Fandaqah (Owned by Dyafa)（法达卡（由迪法夫所有）） ； Hamdard University（哈姆达德大学）
专题命中 代码生成 ：program synthesis(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 SymLang 通过结合对称约束、语言模型引导程序合成和贝叶斯模型选择，实现了从噪声和部分观测中发现 governing 方程的高精度结构恢复。
Comments 12 pages, 4 figures, 5 tables
KCoEvo: A Knowledge Graph Augmented Framework for Evolutionary Code Generation
KCoEvo: 一种增强知识图谱的进化代码生成框架
机构 * Southeast University（东南大学） ； Monash University（墨尔本大学） ； ByteDance Ltd.（字节跳动有限公司）
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.SE、cs.CL
AI总结 KCoEvo通过增强知识图谱的方法提升代码迁移的准确性与可控性
Comments Accepted to the DASFAA 2026 Industry Track
GraphSkill: Documentation-Guided Hierarchical Retrieval-Augmented Coding for Complex Graph Reasoning
GraphSkill: 基于文档的分层检索增强编码用于复杂图推理
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Michigan State University（密歇根州立大学）
专题命中 代码生成 ：code generation(abstract)；coding agent(abstract)；分类 cs.SE、cs.CL、cs.AI
AI总结 GraphSkill通过分层检索增强编码框架和自我调试代理，提升复杂图推理任务的准确性和效率。
Comments Under review
Text to Automata Diagrams: Comparing TikZ Code Generation with Direct Image Synthesis
文本到自动机图：比较TikZ代码生成与直接图像合成
机构 * Marshall University（马歇尔大学） ； West Virginia State University（西弗吉尼亚州立大学）
专题命中 代码生成 ：code generation(title)
AI总结 本研究比较了通过视觉-语言模型生成TikZ代码与直接图像合成在生成自动机图描述中的效果，发现人工修正能显著提高生成准确性。
Comments Accepted to ASEE North Central Section 2026
Security and Quality in LLM-Generated Code: A Multi-Language, Multi-Model Analysis
LLM生成代码的安全性与质量：多语言、多模型分析
机构 * Department of Computer Science, University of Central Florida（计算机科学系，中央佛罗里达大学） ； Department of Computer Science, Birzeit University（计算机科学系，比尔宰特大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.LG
AI总结 本文研究了LLM生成代码在不同编程语言中的安全性和质量，发现其安全性因语言而异，且未能充分利用现代安全特性，需进一步改进以提升安全性和质量。
Comments 20 pages, 13 tables. Accepted to IEEE Transactions on Dependable and Secure Computing
DistillGuard: Evaluating Defenses Against LLM Knowledge Distillation
DistillGuard: 评估对抗大语言模型知识蒸馏的防御措施
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI
AI总结 DistillGuard通过系统评估发现，现有输出层面防御措施在对抗大语言模型知识蒸馏时效果有限，尤其在数学推理任务中表现突出，揭示了防御措施的依赖性和任务特定性。
Scaling Data Difficulty: Improving Coding Models via Reinforcement Learning on Fresh and Challenging Problems
数据难度的扩展：通过在新鲜且具有挑战性的问题上进行强化学习来改进编码模型
机构 * Microsoft Research（微软研究院） ； University of Cambridge（剑桥大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.LG
AI总结 通过强化学习在新鲜且具有挑战性的问题上改进编码模型，MicroCoder数据集通过系统化数据处理和难度扩展实现了显著的性能提升。
Breaking Training Bottlenecks: Effective and Stable Reinforcement Learning for Coding Models
突破训练瓶颈：为编码模型提供有效且稳定的强化学习
机构 * Microsoft Research（微软研究院） ； University of Cambridge（剑桥大学） ； Princeton University（普林斯顿大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出MicroCoder-GRPO方法，通过改进的组相对策略优化解决编码模型训练瓶颈，实现性能提升并发布相关数据集和评估框架。
Listen to the Layers: Mitigating Hallucinations with Inter-Layer Disagreement
倾听各层：通过层间分歧缓解幻觉
机构 * Stevens Institute of Technology（斯蒂文斯理工学院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI
AI总结 CoCoA通过监听模型内部层间分歧信号，有效缓解大语言模型的幻觉问题，提升推理时的事实准确性。
Comments Preprint, 26 pages, 15 tables, 15 figures
From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review
从大语言模型推理到自主AI代理：全面综述
机构 * Department of Computer and Network Engineering（计算机与网络工程系） ； United Arab Emirates University（阿联酋大学） ； Technology Innovation Institute（技术创新研究院） ； Eötvös Loránd University（埃斯特哈齐·洛朗大学） ； Research Institute for Digital Future（数字未来研究院） ； Khalifa University（卡塔尔大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 本文综述了大语言模型和自主AI代理的发展，提出了涵盖多种任务的基准分类法，并讨论了未来研究方向。
SCAFFOLD-CEGIS: Preventing Latent Security Degradation in LLM-Driven Iterative Code Refinement
SCAFFOLD-CEGIS: 防止由LLM驱动的迭代代码精炼中的潜在安全退化
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE
AI总结 SCAFFOLD-CEGIS通过多智能体协作架构，将安全约束显式化，有效降低LLM驱动迭代代码精炼中的潜在安全退化率至2.1%。
Learning From Design Procedure To Generate CAD Programs for Data Augmentation
从设计过程学习生成用于数据增强的CAD程序
机构 * Toyota Research Institute（丰田研究院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG
AI总结 本文提出了一种基于设计过程的CAD程序生成方法，通过引入有机形状和样条基 curvature 提高几何多样性，以增强数据增强效果。
Comments Accepted by NeurIPS 2025 Workshop: Deep Learning for Code in the Agentic Era
2. 软件智能体 4 篇
SWE-Fuse: Empowering Software Agents via Issue-free Trajectory Learning and Entropy-aware RLVR Training
SWE-Fuse: 通过无问题轨迹学习和熵感知RLVR训练增强软件代理
机构 * Ant Group（蚂蚁集团） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 软件智能体 ：software agent(title)；分类 cs.SE、cs.AI
AI总结 SWE-Fuse通过融合问题描述引导和无问题样本，提升软件代理在解决现实问题中的性能，其熵感知训练模块有效平衡探索与稳定性。
Comments 19 pages
Social Proof is in the Pudding: The (Non)-Impact of Social Proof on Software Downloads
社交证明在馅饼中：社交证明对软件下载的（非）影响
专题命中 软件智能体 ：repository(abstract)；分类 cs.SE
AI总结 研究通过两个实验发现，社交证明对软件下载和开发者参与度无显著影响。
SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving
SwingArena: 用于长上下文GitHub问题解决的竞争性编程竞技场
机构 * The University of Hong Kong（香港大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； The Ohio State University（俄亥俄州立大学） ； University of Edinburgh（爱丁堡大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； LMSYS Org（LMSYS组织）
专题命中 软件智能体 ：code generation(abstract)；分类 cs.CL
AI总结 SwingArena是一个用于评估LLM在真实CI驱动软件开发环境中性能的竞争性编程竞技场，通过模拟软件迭代过程，结合检索增强型代码生成模块，实现对长上下文问题的高效处理。
Comments The paper has been accepted as an oral presentation at ICLR 2026
Agent Hunt: Bounty Based Collaborative Autoformalization With LLM Agents
Agent Hunt: 基于奖金的协作自动形式化与LLM代理
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI
AI总结 基于奖金的协作自动形式化方法，利用LLM代理在交互式定理证明环境中进行去中心化证明搜索与理论构建。
3. 程序修复 2 篇
HDLxGraph: Bridging Large Language Models and HDL Repositories via HDL Graph Databases
HDLxGraph: 通过HDL图数据库连接大型语言模型和HDL仓库
专题命中 程序修复 ：repository(abstract)；分类 cs.CL、cs.LG
AI总结 HDLxGraph通过整合HDL图特性与RAG，提升LLM在HDL任务中的搜索、调试和完成准确率。
Beyond Attention Heatmaps: How to Get Better Explanations for Multiple Instance Learning Models in Histopathology
超越注意力热图：如何为多实例学习模型在病理学中的更好解释
专题命中 程序修复 ：repository(abstract)；分类 cs.LG
AI总结 本研究提出了一种评估MIL热图质量的通用框架，发现扰动、LRP和IG在病理学任务中表现更优，展示了其在生物验证和发现不同模型策略中的应用。
4. 测试生成 1 篇
Dial: A Knowledge-Grounded Dialect-Specific NL2SQL System
Dial：一种基于知识的方言特定自然语言到SQL系统
机构 * Tsinghua University（清华大学） ； China Telecom Corporation Ltd. Shanghai Branch（中国电信股份有限公司上海分公司） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 测试生成 ：repository(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 Dial提出一种基于知识的方言特定自然语言到SQL系统，通过逻辑查询规划、知识库和执行驱动调试提升翻译准确性和方言特征覆盖度。
5. 代码评测 7 篇
Mapping Overlaps in Benchmarks through Perplexity in the Wild
通过在野 perplexity 映射重叠关系
机构 * Data Science Institute, University of Chicago（芝加哥大学数据科学研究所）
专题命中 代码评测 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 通过分析LLM基准测试的perplexity，揭示了不同任务间的重叠结构及LLM能力差异。
Evo: Autoregressive-Diffusion Large Language Models with Evolving Balance
Evo：具有进化平衡的自回归-扩散大语言模型
机构 * University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） ； Technical University of Munich（慕尼黑技术大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 代码评测 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 Evo通过进化平衡机制，结合自回归和扩散模型，实现高效且高质量的语言生成。
SPOT: An Annotated French Corpus and Benchmark for Detecting Critical Interventions in Online Conversations
SPOT：一个标注的法语语料库和基准，用于检测在线对话中的关键干预
专题命中 代码评测 ：repository(abstract)；分类 cs.CL
AI总结 SPOT通过标注法语语料库和基准，检测在线对话中的关键干预，验证了监督学习在非英语社交媒体任务中的重要性。
Beyond Endpoints: Path-Centric Reasoning for Vectorized Off-Road Network Extraction
超越端点：面向向量化的非公路网络提取的路径中心推理
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院）
专题命中 代码评测 ：repository(abstract)；分类 cs.AI
AI总结 本文提出MaGRoad，一种基于路径中心的非公路道路网络提取方法，通过构建大规模数据集和改进模型结构，在野外环境中实现了更鲁棒的道路提取。
Comments This revision improves clarity and consistency throughout the paper. We refine terminology to more precisely describe the vertex extraction optimization, add motivational context to the edge feature encoding section, and clarify the overall inference pipeline. We also add an Acknowledgments section
Agentic Planning with Reasoning for Image Styling via Offline RL
基于推理的图像风格化代理规划 via 离线强化学习
机构 * Adobe Research（Adobe研究）
专题命中 代码评测 ：repository(abstract)；分类 cs.LG
AI总结 本文提出基于推理的代理规划框架，通过结构化规划和工具链提升图像风格化效果，采用合成数据生成和离线强化学习方法，验证在视觉质量和指令遵循上的优越性。
Comments 85 pages
Exploring the Reasoning Depth of Small Language Models in Software Architecture: A Multidimensional Evaluation Framework Towards Software Engineering 2.0
探索小型语言模型在软件架构中的推理深度：一项面向软件工程2.0的多维评估框架
专题命中 代码评测 ：code generation(abstract)；分类 cs.SE
AI总结 本研究通过多维评估框架评估小型语言模型在软件架构中的推理深度，发现参数阈值影响推理能力，揭示了中等大小模型在短上下文下的校准机制及语义多样性与幻觉的相关性。
Comments Accepted at ICSA 2026
An Extended Consent-Based Access Control Framework: Pre-Commit Validation and Emergency Access
扩展的基于同意的访问控制框架：预提交验证与紧急访问
专题命中 代码评测 ：repository(abstract)
AI总结 本文提出一种扩展的基于同意的访问控制框架，通过预提交验证和紧急访问机制，提升医疗系统中患者自主权的保障与冲突解决效率。
6. 仓库级理解 6 篇
IronEngine: Towards General AI Assistant
IronEngine：迈向通用AI助手
机构 * NiusRobotLab（尼乌斯机器人实验室）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 IronEngine通过统一编排核心实现通用AI助手，具备多阶段流程、智能工具路由和高效执行能力，适用于个人助手和自动化框架。
Comments Technical Report
Explainable classification of astronomical uncertain time series
可解释的天文不确定时间序列分类
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于子序列的不确定性感知模型，用于可解释性地分类天文不确定时间序列，通过考虑数据不确定性提升分类性能并提供解释能力。
Journal ref Big Data Research, 2026, 100591 (43)
A Component-Based Survey of Interactions between Large Language Models and Multi-Armed Bandits
基于组件的大型语言模型与多臂老虎机交互调研
机构 * College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China（信息与电气工程学院，中国农业大学，北京） ； Key Laboratory of Agricultural Machinery Monitoring and Big Data Application, Ministry of Agriculture and Rural Affairs, Beijing 100083, China（农业机械监测与大数据应用重点实验室，农业农村部，北京）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.LG
AI总结 本文调研了大型语言模型与多臂老虎机在组件层面的双向交互，分析了两者在解决对方挑战中的协同作用及未来研究方向。
Comments 25 pages, 6 table
