代码大模型 / AI 编程

Revisiting Quantum Code Generation: Where Should Domain Knowledge Live?

重新审视量子代码生成：领域知识应该在哪里居住？

Oscar Novo, Oscar Bastidas-Jossa, Alberto Calvo, Antonio Peris, Carlos Kuchkovsky

机构 * Quantum Computing Research, QCentroid（量子计算研究，QCentroid） 纠错

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

AI总结 研究比较了Qiskit代码生成中不同专精策略，发现通用LLM在零样本和检索增强设置下表现更优，结合执行反馈代理可提升性能，表明无需领域微调即可实现更灵活的量子软件开发。

Comments Submitted to Quantum Machine Intelligence

HCAG: Hierarchical Abstraction and Retrieval-Augmented Generation on Theoretical Repositories with LLMs

HCAG：基于LLM的理论仓库中层次抽象与检索增强生成

Yusen Wu, Xiaotie Deng

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

AI总结 HCAG通过层次化抽象与检索增强生成方法，解决复杂理论代码库中高层架构模式和跨文件依赖的捕捉问题，提升代码质量和架构一致性。

Putting on the Thinking Hats: A Survey on Chain of Thought Fine-tuning from the Perspective of Human Reasoning Mechanism

戴上思考帽子：从人类推理机制视角对链式思考微调的综述

Xiaoshu Chen, Sihang Zhou, Ke Liang, Duanyang Yuan, Haoyuan Chen, Xiaoyu Sun, Lingyuan Meng, Xinwang Liu

机构 * College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学） 纠错

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

AI总结 本文从人类推理机制角度综述了链式思考微调，分析其通过六顶思考帽子框架分类方法，并探讨未来研究方向及现有数据集与模型表现。

Automated Formalization via Conceptual Retrieval-Augmented LLMs

通过概念检索增强的LLM实现自动化形式化

Wangyue Lu, Lun Du, Sirui Li, Ke Weng, Haozhe Sun, Hengyu Liu, Minghe Yu, Tiancheng Zhang, Ge Yu

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（东北大学计算机科学与工程学院，沈阳 110819，中国） ； Ant Research, Ant Group, Beijing, China（蚂蚁集团北京蚂蚁研究院，中国） ； Department of Computer Science, Aalborg University, Denmark（丹麦奥尔堡大学计算机科学系） ； Software College, Northeastern University, Shenyang 110819, China（东北大学软件学院，沈阳 110819，中国） 纠错

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

AI总结 本文提出CRAMF框架，通过检索数学概念定义提升LLM形式化能力，解决模型幻觉和语义鸿沟问题，在三个基准测试中实现显著提升。

Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs

Chimera：面向异构大语言模型的延迟与性能感知多智能体服务

Kangqi Ni, Wenyue Hua, Xiaoxiang Shi, Jiang Guo, Shiyu Chang, Tianlong Chen

机构 * University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） ； Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） 纠错

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

AI总结 Chimera通过语义路由和预测调度优化多智能体工作流服务，提升端到端延迟与任务性能，减少1.2-2.4倍延迟并提高8.0-9.5个百分点性能。

Can we automatize scientific discovery in the cognitive sciences?

在认知科学中，我们能否自动化科学发现？

Akshay K. Jagadish, Milena Rmus, Kristin Witte, Marvin Mathony, Marcel Binz, Eric Schulz

机构 * Princeton AI Lab（普林斯顿人工智能实验室） ； Princeton University（普林斯顿大学） ； Institute for Human-Centered AI（以人为中心的人工智能研究所） ； Helmholtz Munich（海德堡-慕尼黑研究所） ； Ludwig-Maximilians-University（路德维希-马克西米利安大学） 纠错

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

AI总结 本文提出利用大语言模型实现认知科学的自动化发现流程，通过模拟行为数据和算法假设搜索，提高理论发展效率。

ACE-RTL: When Agentic Context Evolution Meets RTL-Specialized LLMs

ACE-RTL：当代理上下文进化与专为RTL设计的LLM相遇

Chenhui Deng, Zhongzhi Yu, Guan-Ting Liu, Nathaniel Pinckney, Brucek Khailany, Haoxing Ren

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

AI总结 ACE-RTL结合代理上下文进化与专为RTL设计的LLM，通过生成器、反射器和协调器三部分提升RTL代码的正确性，实现41.02%的通过率提升。

LLM-Driven Heuristic Synthesis for Industrial Process Control: Lessons from Hot Steel Rolling

基于大语言模型的启发式合成在工业过程控制中的应用：来自热轧的启示

Nima H. Siboni, Seyedreza Kiamousavi, Emad Scharifi

机构 * Institute of Metal Forming, RWTH Aachen（RWTH亚琛大学金属成形研究所） 纠错

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

AI总结 本文提出了一种基于大语言模型的启发式合成框架，用于热轧过程控制，通过可解释的Python控制器生成和自动审计流程，结合结构化战略构思和可执行代码生成，实现对轧制高度、间歇时间和轧制速度的控制。

Can LLMs Perform Synthesis?

LLMs能否进行合成？

Derek Egolf, Yuhao Zhou, Stavros Tripakis

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

AI总结 本文比较了LLMs与符号工具在程序合成任务中的表现，发现符号工具在多个领域均优于Qwen和GPT-5，且执行时间更短。

DS2SC-Agent: A Multi-Agent Automated Pipeline for Rapid Chiplet Model Generation

DS2SC-Agent: 一种多智能体自动化流水线用于快速芯片片建模

Yiwei Wu, Yifan Wu, Yunhao Xiong, Dengwei Zhao, Jiaxuan Shen, Jianfei Jiang, Guanghui He, Shikui Tu, Yanan Sun

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出DS2SC-Agent，一种多智能体自动化流水线，用于从原始数据表直接生成SystemC芯片片模型，解决传统手动建模耗时且易出错的问题，通过高效协作框架实现自动化流程。

Comments 9 pages,5figures

Coding Agents are Effective Long-Context Processors

编码代理是有效的长上下文处理器

Weili Cao, Xunjian Yin, Bhuwan Dhingra, Shuyan Zhou

机构 * Duke University（杜克大学） 纠错

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

AI总结 本文研究通过允许编码代理在文件系统中组织文本并使用其原生工具处理长上下文，发现编码代理在长上下文推理、检索增强生成和开放领域问答中表现优异，比现有最佳方法平均提升17.3%。

A Blueprint for Self-Evolving Coding Agents in Vehicle Aerodynamic Drag Prediction

车辆气动阻力预测中自演化编码代理的蓝图

Jinhui Ren, Huaiming Li, Yabin Liu, Tao Li, Zhaokun Liu, Yujia Liang, Zengle Ge, Chufan Wu, Xiaomin Yuan, Danyu Liu, Annan Li, Jianmin Wu

机构 * Famou Agent Team（Famou 代理团队） ； Baidu AI Cloud（百度AI云） ； IAT AI Team（IAT人工智能团队） 纠错

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

AI总结 本文提出一种基于合同的自演化编码代理框架，通过约束优化发现可执行的代理管道，提升车辆阻力系数预测的效率与可靠性。

SWE-Next: Scalable Real-World Software Engineering Tasks for Agents

SWE-Next：可扩展的现实世界软件工程任务用于代理

Jiarong Liang, Zhiheng Lyu, Zijie Liu, Xiangchao Chen, Ping Nie, Kai Zou, Wenhu Chen

机构 * University of Waterloo（滑铁卢大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Independent（独立） 纠错

专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 SWE-Next通过执行 grounded 的框架实现可扩展的软件工程任务和轨迹收集，通过严格筛选和高效的数据采集提升训练效果。

mmWave-Diffusion:A Novel Framework for Respiration Sensing Using Observation-Anchored Conditional Diffusion Model

毫米波扩散：一种基于观测锚定条件扩散模型的呼吸感知新框架

Yong Wang, Qifan Shen, Bao Zhang, Zijun Huang, Chengbo Zhu, Shuai Yao, Qisong Wu

机构 * Key Laboratory of Underwater Acoustic Signal Processing of Ministry of Education, Southeast University, Nanjing, 211189, China（教育部水下声学信号处理重点实验室，东南大学，南京，211189，中国） ； Purple Mountain Laboratories, Nanjing, 211111, China（紫金山实验室，南京，211111，中国） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.LG

AI总结 本文提出mmWave-Diffusion框架，通过观测锚定条件扩散模型消除微运动干扰，实现呼吸信号的高精度重建与估计。

Comments Accepted by IEEE ICASSP 2026

Omni-I2C: A Holistic Benchmark for High-Fidelity Image-to-Code Generation

Omni-I2C：一个全面的图像到代码生成基准测试

Jiawei Zhou, Chi Zhang, Xiang Feng, Qiming Zhang, Haibo Qiu, Lihuo He, Dengpan Ye, Xinbo Gao, Jing Zhang

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Independent Researcher（独立研究者） ； Xidian University（西安电子科技大学） ； Guangzhou University（广州大学） 纠错

专题命中 代码评测 ：code generation(title,abstract)

AI总结 本文提出Omni-I2C基准测试，评估大多模态模型将复杂数字图形转化为可执行代码的能力，揭示当前模型在视觉感知与生成表达方面的协同挑战及性能差距。

Comments 35 pages, 26 figures, change authors' information in page 1

AEGIS: From Clues to Verdicts -- Graph-Guided Deep Vulnerability Reasoning via Dialectics and Meta-Auditing

AEGIS：从线索到结论——通过辩证法和元审计的图引导深度漏洞推理

Sen Fang, Weiyuan Ding, Zhezhen Cao, Zhou Yang, Bowen Xu

机构 * NC State University（北卡罗来纳州立大学） ； University of Alberta（阿尔伯塔大学） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 AEGIS通过图引导的深度漏洞推理，结合辩证法和元审计，解决LLM推理不严谨的问题，实现从线索到结论的验证，提升漏洞检测的准确性与可靠性。

Comments 29 pages, 6 figures, 3 tables

Edu-Values: Towards Evaluating the Chinese Education Values of Large Language Models

Edu-Values：面向评估大型语言模型的中国教育价值观

Peiyi Zhang, Yazhou Zhang, Bo Wang, Lu Rong, Prayag Tiwari, Jing Qin

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

AI总结 本文提出Edu-Values基准，评估大型语言模型的中国教育价值观，包含七个核心价值，通过1418道题测试，发现中文LLM在教育文化差异下表现更优，且利用Edu-Values构建外部知识库可提升对齐效果。

Comments The authors are withdrawing this paper to make substantial revisions and improvements before future submission

The Multiverse of Time Series Machine Learning: an Archive for Multivariate Time Series Classification

时间序列机器学习的多元宇宙：一个用于多变量时间序列分类的档案

Matthew Middlehurst, Aiden Rushbrooke, Ali Ismail-Fawaz, Maxime Devanne, Germain Forestier, Angus Dempster, Geoffrey I. Webb, Christopher Holder, Anthony Bagnall

机构 * University of Bradford（布拉德福德大学） ； University of East Anglia（东安格利亚大学） ； Université de Haute-Alsace（阿尔萨斯大学） ； Monash University（莫纳什大学） ； University of Southampton（南安普顿大学） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.LG

AI总结 本文扩展了UEA档案，增加至133个分类问题，并发布预处理数据集，更名为Multiverse档案以反映多样性。提供指导和基准评估，建立未来研究的性能标准。

Pantagruel: Unified Self-Supervised Encoders for French Text and Speech

Pantagruel：面向法语文本和语音的统一自监督编码器

Phuong-Hang Le, Valentin Pelloin, Arnault Chatelain, Maryem Bouziane, Mohammed Ghennai, Qianwen Guan, Kirill Milintsevich, Salima Mdhaffar, Aidan Mannion, Nils Defauw, Shuyue Gu, Alexandre Audibert, Marco Dinarelli, Yannick Estève, Lorraine Goeuriot, Steffen Lalande, Nicolas Hervé, Maximin Coavoux, François Portet, Étienne Ollion, Marie Candito, Maxime Peyrard, Solange Rossato, Benjamin Lecouteux, Aurélie Nardy, Gilles Sérasset, Vincent Segonne, Solène Evain, Diandra Fabre, Didier Schwab

机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学，CNRS，格勒诺布尔INP，LIG） ； INA (Institut National de l'Audiovisuel)（国家视听研究院） ； Avignon Université, LIA（阿维尼翁大学，LIA） ； CREST (École Polytechnique, ENSAE, CNRS)（CREST（巴黎政治学院、ENSAE、CNRS）） ； LLF (Université Paris Cité and CNRS)（LLF（巴黎城市大学和CNRS）） ； Univ. Grenoble Alpes, EFELIA-MIAI, IUT2 Grenoble, LIG（格勒诺布尔阿尔卑斯大学，EFELIA-MIAI，格勒诺布尔IUT2，LIG） ； Univ. Grenoble Alpes, Lidilem（格勒诺布尔阿尔卑斯大学，Lidilem） ； Université Bretagne Sud, CNRS, IRISA（布列塔尼南部大学，CNRS，IRISA） ； Saclay AI（萨克莱AI） ； IRIT, Université de Toulouse, CNRS, Toulouse INP, UT3（IRIT，图卢兹大学，CNRS，图卢兹INP，UT3） 纠错

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

AI总结 Pantagruel通过在特征空间中学习上下文化的目标表示，提升法语文本和语音的多模态理解能力，在多个下游任务中表现优异，优于现有基线模型。

Comments Accepted to LREC 2026

VA-Calibration: Correcting for Algorithmic Misclassification in Estimating Cause Distributions

VA-Calibration: 修正算法误分类以估计因果分布

Sandipan Pramanik, Emily B. Wilson, Henry D. Kalter, Agbessi Amouzou, Robert E. Black, Li Liu, Jamie Perin, Abhirup Datta

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出VA-Calibration包，通过模块化贝叶斯框架修正CCVA算法的误分类，提升因果死亡分数估计的准确性。

Comments 27 pages, 5 figures

Cloud-mediated self-triggered synchronization of a general linear multi-agent system over a directed graph

通过云仓库实现一般线性多智能体系统的自触发同步

Takumi Namba, Kiyotsugu Takaba

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出通过云仓库实现一般高阶线性多智能体系统自触发同步控制的方法，通过紧致评估矩阵指数界处理指数行为，实现闭环系统有界状态同步，避免Zeno行为。

Comments 14 pages

Journal ref IET Cyber-Physical Systems: Theory & Applications, 9(4), 2024, 497-508

Probing the statistical correlation of optical tidal disruption events with high-energy neutrinos

探测光学潮汐破坏事件与高能中微子的统计相关性

D. A. Langis, I. Liodakis, K. I. I. Koljonen, P. M. Kouch

专题命中 仓库级理解 ：repository(abstract)

AI总结 研究光学潮汐破坏事件与高能中微子的统计相关性，采用时空算法分析TDECat数据，发现无显著关联，但发现Sw J2058+05可能与中微子事件相关。

Comments 12 pages, 9 figures