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。

2026-03-24 至 2026-03-24 共收录 4 篇信号源：cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 代码评测 4 篇

2603.17508 2026-03-24 cs.CV 78%

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）

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

2603.20637 2026-03-24 cs.SE cs.AI cs.CR 62%

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）

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

2409.12739 2026-03-24 cs.CL 57%

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

2603.20352 2026-03-24 cs.LG 57%

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）

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。