代码大模型 / AI 编程

ATime-Consistent Benchmark for Repository-Level Software Engineering Evaluation

面向仓库级别的软件工程评估的时间一致性基准

Xianpeng, Sun, Haonan Sun, Tian Yu, Sheng Ma, Qincheng Zhang, Lifei Rao, Chen Tian

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

AI总结 本文提出时间一致性基准方法，通过冻结仓库时间点并利用历史代码知识评估未来任务，展示提示构造对软件工程评估的重要性。

Comments 10 pages, 10 figures, 4 tables

RealChart2Code: Advancing Chart-to-Code Generation with Real Data and Multi-Task Evaluation

RealChart2Code：通过真实数据和多任务评估推进图表到代码生成

Jiajun Zhang, Yuying Li, Zhixun Li, Xingyu Guo, Jingzhuo Wu, Leqi Zheng, Yiran Yang, Jianke Zhang, Qingbin Li, Shannan Yan, Zhetong Li, Changguo Jia, Junfei Wu, Zilei Wang, Qiang Liu, Liang Wang

机构 * USTC（中国科学技术大学） ； THU（清华大学） ； CUHK（香港中文大学） ； UCAS（中国科学院大学） ； CASIA（中国科学院自动化研究所） ； BNU（北京师范大学） ； BUPT（北京邮电大学） ； BIT（北京理工大学） ； PKU（北京大学） 纠错

专题命中 代码评测 ：code generation(title,abstract)；分类 cs.CL

AI总结 本文提出RealChart2Code基准，通过真实数据和多任务评估，评估VLMs在复杂图表生成中的性能，揭示其在多面板图表上的局限性。

The Dual-State Architecture for Reliable LLM Agents

双状态架构用于可靠的LLM代理

Matthew Thompson

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出双状态动作对DSAP，通过结合随机生成与确定性后置条件验证，提升LLM代理在软件工程中的可靠性，实验表明在1.2-2.1倍基准成本下可靠性提升达66个百分点。

Comments 18 pages, 2 figures, 5 tables. V2 extends and supersedes V1, introducing tri-state guard semantics, a three-level recovery hierarchy, and SWE-Bench boundary analysis