代码大模型 / AI 编程

Helping LLMs Improve Code Generation Using Feedback from Testing and Static Analysis

通过测试和静态分析反馈帮助LLM提升代码生成

Greta Dolcetti, Vincenzo Arceri, Eleonora Iotti, Sergio Maffeis, Agostino Cortesi, Enea Zaffanella

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

AI总结 本文提出利用测试和静态分析评估和指导通用开源LLM生成代码的质量及自我改进，发现生成代码常存在错误和安全问题，但提供反馈后能有效修复代码缺陷。

Journal ref Discover Artificial Intelligence, 2026

H2LooP Spark Preview: Continual Pretraining of Large Language Models for Low-Level Embedded Systems Code

H2LooP Spark Preview：为低级嵌入式系统代码进行大语言模型的持续预训练

Amit Singh, Vedant Nipane, Pulkit Agrawal, Jatin Kishnani, Sairanjan Mishra

机构 * H2LooP.ai 纠错

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

AI总结 本文提出H2LooP Spark Preview，通过持续预训练方法，利用BF16 LoRA技术将OLMo-3-7B模型适应于嵌入式系统领域，显著降低困惑度并提升代码生成性能。

KernelFoundry: Hardware-aware evolutionary GPU kernel optimization

KernelFoundry: 带硬件意识的进化GPU内核优化

Nina Wiedemann, Quentin Leboutet, Michael Paulitsch, Diana Wofk, Benjamin Ummenhofer

机构 * Intel Corporation（英特尔公司） 纠错

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

AI总结 KernelFoundry通过MAP-Elites搜索、元提示进化和模板参数优化，高效探索GPU内核设计空间，实现SYCL内核在KernelBench上的2.3倍加速。

LLM-HPC++: Evaluating LLM-Generated Modern C++ and MPI+OpenMP Codes for Scalable Mandelbrot Set Computation

LLM-HPC++: 评估LLM生成的现代C++和MPI+OpenMP代码用于可扩展的曼德勃罗集计算

Patrick Diehl, Noujoud Nader, Deepti Gupta

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

AI总结 本文评估了LLM生成的C++和MPI+OpenMP代码在曼德勃罗集计算中的性能，发现ChatGPT-4和5在语法精度和可扩展性方面表现突出。

Building Effective AI Coding Agents for the Terminal: Scaffolding, Harness, Context Engineering, and Lessons Learned

构建高效的AI编码代理：支架、驾驭、上下文工程及经验教训

Nghi D. Q. Bui

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

AI总结 本文提出OPENDEV，一种基于命令行的开源编码代理，通过安全控制、高效上下文管理及自适应压缩技术，实现终端优先的自主软件工程支持。

Comments Work in progress, new versions will be updated continuously

Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents

达尔文戈德尔机器：自我改进代理的开放性进化

Jenny Zhang, Shengran Hu, Cong Lu, Robert Lange, Jeff Clune

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

AI总结 本文提出达尔文戈德尔机器，通过迭代修改自身代码并验证改进，实现自我提升，提升代码能力并在多个基准测试中取得显著成绩。

Comments Code at https://github.com/jennyzzt/dgm

EvolveCoder: Evolving Test Cases via Adversarial Verification for Code Reinforcement Learning

EvolveCoder：通过对抗验证演化测试用例以增强代码强化学习

Chi Ruan, Dongfu Jiang, Huaye Zeng, Ping Nie, Wenhu Chen

机构 * University of Waterloo（多伦多大学） ； Vector Institute（向量研究所） ； Harvard University（哈佛大学） 纠错

专题命中 测试生成 ：code generation(abstract)；分类 cs.CL

AI总结 本文提出基于解决方案的对抗验证框架，通过迭代优化测试用例提升验证效果，构建了EvolveCoder-22k数据集，实验证明其在代码生成强化学习中提升模型性能。

MoEKD: Mixture-of-Experts Knowledge Distillation for Robust and High-Performing Compressed Code Models

MoEKD：混合专家知识蒸馏用于鲁棒且高性能的压缩代码模型

Md. Abdul Awal, Mrigank Rochan, Chanchal K. Roy

专题命中 代码评测 ：code model(title)；分类 cs.SE

AI总结 本文提出MoEKD框架，通过混合专家架构实现多专家知识蒸馏，提升压缩模型的鲁棒性和性能，实验表明在漏洞检测任务中，MoEKD在对抗鲁棒性和预测性能上均优于现有基线方法。

Comments Accepted to the Research Track of the Evaluation and Assessment in Software Engineering (EASE) 2026

Linguistic Similarity Within Centralized FLOSS Development

中央化自由/开源软件开发中的语言相似性

Matthew Gaughan, Aaron Shaw, Darren Gergle

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

AI总结 研究中央化FLOSS开发对贡献者交流语言的影响，发现WMF成员与外部贡献者在语言风格上无显著差异，挑战了传统认知。

Comments Accepted to CHI Extended Abstracts 2026