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。

2026-03-30 至 2026-03-30 共收录 3 篇信号源：cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 软件智能体 3 篇

2603.26664 2026-03-30 cs.SE cs.CL 84%

Learning to Commit: Generating Organic Pull Requests via Online Repository Memory

学习承诺：通过在线仓库记忆生成有机的拉取请求

Mo Li, L. H. Xu, Qitai Tan, Ting Cao, Yunxin Liu

机构 * Tsinghua University（清华大学）

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

AI总结本文提出Learning to Commit框架，通过在线仓库记忆提升生成拉取请求的有机性，通过对比历史提交改进代码风格和架构约束。

Comments Preprint. Work in progress

2603.26130 2026-03-30 cs.SE cs.AI 73%

SWE-PRBench: Benchmarking AI Code Review Quality Against Pull Request Feedback

SWE-PRBench：基于拉取请求反馈的AI代码审查质量基准测试

Deepak Kumar

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

AI总结 SWE-PRBench通过350个带人工标注的拉取请求评估AI代码审查质量，发现即使在代码生成基准测试中表现良好，AI在仅基于差异的配置下仍只能检测出人类标记问题的15-31%，表明AI代码审查距离人类专家表现仍有差距。

2602.08316 2026-03-30 cs.SE cs.AI 62%

SWE Context Bench: A Benchmark for Context Learning in Coding

SWE Context Bench: 一个用于编码上下文学习的基准测试

Jared Zhu, Minhao Hu, Junde Wu

机构 * Independent Researcher（独立研究员）； University of Oxford（牛津大学）； University of Edinburgh（爱丁堡大学）； Technical University of Munich（慕尼黑工业大学）； MemoraX AI ； National University of Singapore（新加坡国立大学）； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）； Carnegie Mellon University（卡内基梅隆大学）

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

AI总结本文提出SWE-ContextBench基准，用于评估编程代理的上下文重用能力，通过1100个基础任务和376个相关任务，从GitHub问题和拉取请求中挖掘真实依赖关系，评估预测准确度、时间效率和成本效率。