代码大模型 / AI 编程

VeriAgent: A Tool-Integrated Multi-Agent System with Evolving Memory for PPA-Aware RTL Code Generation

VeriAgent：一种集成工具的多智能体系统，具有进化记忆，用于PPA感知的RTL代码生成

Yaoxiang Wang, Qi Shi, ShangZhan Li, Qingguo Hu, Xinyu Yin, Bo Guo, Xu Han, Maosong Sun, Jinsong Su

机构 * Xiamen University（厦门大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出一种集成EDA工具的多智能体框架，用于高质量Verilog代码生成，通过进化记忆机制实现功能正确性和PPA指标的联合优化。

Detecting Data Poisoning in Code Generation LLMs via Black-Box, Vulnerability-Oriented Scanning

通过黑盒、面向漏洞的扫描检测代码生成LLM中的数据中毒

Shenao Yan, Shimaa Ahmed, Shan Jin, Sunpreet S. Arora, Yiwei Cai, Yizhen Wang, Yuan Hong

机构 * University of Connecticut（康涅狄格大学） ； Visa Research（Visa研究） 纠错

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CodeScan框架，通过分析多生成代码的结构相似性，结合抽象语法树规范化，检测代码生成模型中的安全漏洞，实现高准确率的数据中毒检测。

Comments Preprint

Code Roulette: How Prompt Variability Affects LLM Code Generation

代码掷骰子：提示变化如何影响LLM代码生成

Andrei Paleyes, Radzim Sendyka, Diana Robinson, Christian Cabrera, Neil D. Lawrence

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 研究探讨提示变化对LLM代码生成质量的影响，提出评估流程以量化模型对输入变化的敏感性，通过实验验证方法有效性。

Comments Extended version of the paper accepted to LLM4Code @ ICSE 2026

Enabling RISC-V Vector Code Generation in MLIR through Custom xDSL Lowerings

通过自定义xDSL降低实现RISC-V向量代码生成

Jie Lei, Héctor Martínez, Adrián Castelló

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文通过结合MLIR与xDSL，解决RISC-V向量扩展代码生成中缺乏的降低阶段，展示如何通过定制中间表示和转换传递，将高级操作转换为硬件感知的C代码，生成高性能RISC-V内核。

Comments 12 pages, 11 Figures, 1 table

Reinforcement learning with learned gadgets to tackle hard quantum problems on real hardware

利用学习的工具处理现实硬件上的难题量子问题的强化学习

Akash Kundu, Leopoldo Sarra

机构 * Department of Physics, University of Helsinki（赫尔辛基大学物理系） ； Axiomatic AI 纠错

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

AI总结 本文提出gadget reinforcement learning方法，通过学习合成程序自动构建复合门，提升量子电路设计的准确性、兼容性和可扩展性，应用于Ising模型和量子化学问题。

Comments 28 page: Gadget reinforcement learning

Journal ref Communications Physics 9, 44 (2026)

Chain of Mindset: Reasoning with Adaptive Cognitive Modes

思维链：具有适应性认知模式的推理

Tianyi Jiang, Arctanx An, Hengyi Feng, Naixin Zhai, Haodong Li, Xiaomin Yu, Jiahui Liu, Hanwen Du, Shuo Zhang, Zhi Yang, Jie Huang, Youhua Li, Yongxin Ni, Huacan Wang, Ronghao Chen

机构 * PKU（北京大学） ； BJTU（北京理工大学） ； StepFun ； SUFE（上海财经大学） ； NUS（新加坡国立大学） ； CityUHK（香港城市大学） ； QuantaAlpha（量子阿尔法） 纠错

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

AI总结 本文提出Chain of Mindset框架，通过动态选择不同认知模式提升推理效率，实验显示在多个基准测试中表现优异，准确率超越基线模型。