代码大模型 / AI 编程

Exploring the Agentic Frontier of Verilog Code Generation

探索Verilog代码生成的代理前沿

Patrick Yubeaton, Siddharth Garg, Chinmay Hegde

机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院） 纠错

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

AI总结 本文系统评估了代理LLM在Verilog生成中的影响，通过CVDP基准测试，分析了结构化提示和工具设计对性能的影响，并比较了开源与闭源模型的性能差异。

An Empirical Study of Interaction Smells in Multi-Turn Human-LLM Collaborative Code Generation

多轮人-大语言模型协作代码生成中交互恶臭的实证研究

Binquan Zhang, Li Zhang, Lin Shi, Song Wang, Yuwei Qian, Linhui Zhao, Fang Liu, An Fu, Yida Ye

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

AI总结 本文通过分析真实用户-大语言模型交互数据，揭示多轮协作代码生成中的交互恶臭现象，提出InCE框架以提升交互质量。

GIFT: Bootstrapping Image-to-CAD Program Synthesis via Geometric Feedback

GIFT: 通过几何反馈提升图像到CAD程序合成

Giorgio Giannone, Anna Clare Doris, Amin Heyrani Nobari, Kai Xu, Akash Srivastava, Faez Ahmed

机构 * DeCoDE Lab, MIT（麻省理工学院DeCoDE实验室） ； Core AI, IBM（IBM核心人工智能） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

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

AI总结 本文提出GIFT框架，通过几何反馈生成高质量训练样本，提升CAD程序生成的鲁棒性，无需额外标注。

Comments preprint

PRBench: End-to-end Paper Reproduction in Physics Research

PRBench: 物理研究中的端到端论文复现

Shi Qiu, Junyi Deng, Yiwei Deng, Haoran Dong, Jieyu Fu, Mao Li, Zeyu Li, Zhaolong Zhang, Huiwen Zheng, Leidong Bao, Anqi Lv, Zihan Mo, Yadi Niu, Yiyang Peng, Yu Tian, Yili Wang, Ziyu Wang, Zi-Yu Wang, Jiashen Wei, Liuheng Wu, Aoran Xue, Leyi Yang, Guanglu Yuan, Xiarui Zhan, Jingjun Zhang, Zifan Zheng, Pengfei Liu, Linrui Zhen, Kaiyang Li, Qichang Li, Ziheng Zhou, Guo-En Nian, Yunwei Xiao, Qing-Hong Cao, Linjie Dai, Xu Feng, Peng Gao, Ying Gu, Chang Liu, Jia Liu, Ming-xing Luo, Yan-Qing Ma, Liang-You Peng, Huichao Song, Shufeng Wang, Chenxu Wang, Tao Wang, Yi-Nan Wang, Chengyin Wu, Pengwei Zhao, Hua Xing Zhu

机构 * School of Physics, Peking University（北京大学物理学院） ； Beijing Computational Science Research Center（北京计算科学研究中心） 纠错

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

AI总结 PRBench通过30个物理领域专家任务评估AI在复现科学论文中的能力，发现现有模型在数据准确性和代码正确性上表现不佳，揭示了系统性失败模式。

Comments 17 pages, 3 figures

MicroMix: Efficient Mixed-Precision Quantization with Microscaling Formats for Large Language Models

MicroMix：基于微缩格式的高效混合精度量化用于大语言模型

Wenyuan Liu, Haoqian Meng, Yilun Luo, Yafei Zhao, Peng Zhang, Xindian Ma

机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） 纠错

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

AI总结 MicroMix通过引入微缩格式实现大语言模型的高效混合精度量化，平衡精度与效率，实现接近FP16的性能，且在多个任务中保持无损准确性。

Journal ref ICLR 2026

Automated near-term quantum algorithm discovery for molecular ground states

自动近 term 量子算法发现用于分子基态

Fabian Finger, Frederic Rapp, Pranav Kalidindi, Kerry He, Kante Yin, Alexander Koziell-Pipe, David Zsolt Manrique, Gabriel Greene-Diniz, Stephen Clark, Hamza Fawzi, Bernardino Romera-Paredes, Alhussein Fawzi, Konstantinos Meichanetzidis

机构 * Quantinuum ； Hiverge 纠错

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

AI总结 本文利用AI平台Hive发现高效量子启发式算法，解决LiH、H2O和F2分子基态问题，减少量子资源消耗，并通过可解释性研究和实验验证，为化学精度提供系统要求。

Comments main: 17 pages, 7 Figures

Q-Bridge: Code Translation for Quantum Machine Learning via LLMs

Q-Bridge：通过LLM实现量子机器学习的代码翻译

Runjia Zeng, Priyabrata Senapati, Ruixiang Tang, Dongfang Liu, Qiang Guan

机构 * Rochester Institute of Technology（罗彻斯特理工学院） ； Kent State University（肯特州立大学） ； Rutgers University（罗格斯大学） 纠错

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

AI总结 Q-Bridge通过LLM指导的代码翻译框架，系统性地将经典机器学习实现转换为可执行的量子机器学习变体，建立了首个可重复的框架和数据集，为可扩展的量子AI发展奠定基础。

AVDA: Autonomous Vibe Detection Authoring for Cybersecurity

AVDA：自主振动检测作者化以提升网络安全

Fatih Bulut, Carlo DePaolis, Raghav Batta, Anjali Mangal

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

AI总结 本文提出AVDA框架，通过整合组织上下文自动化检测作者化，提升检测质量与效率，实验显示Agentic方法在相似度上比基线方法提升19%。

More Thought, Less Accuracy? On the Dual Nature of Reasoning in Vision-Language Models

更多思考，更少准确性？关于视觉-语言模型中推理的双重性质

Xinyu Tian, Shu Zou, Zhaoyuan Yang, Mengqi He, Fabian Waschkowski, Lukas Wesemann, Peter Tu, Jing Zhang

机构 * Australian National University（澳大利亚国立大学） ； University of Melbourne（墨尔本大学） ； GE Research（GE全球研究院） 纠错

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

AI总结 研究揭示了视觉-语言模型中推理的双重性质：虽然增强了逻辑推理能力，但可能导致感知基础能力下降，通过提出VAPO方法改进了模型对视觉信息的依赖。

Comments Accepted to ICLR2026

Safeguarding LLMs Against Misuse and AI-Driven Malware Using Steganographic Canaries

通过隐写术可以ary文件保护LLM免受滥用及AI驱动的恶意软件

Md Raz, Venkata Sai Charan Putrevu, Meet Udeshi, Prashanth Krishnamurthy, Farshad Khorrami, Ramesh Karri

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出基于隐写术canary文件的框架，用于检测未经授权的LLM处理，通过两种模式实现符号和语言隐写术的结合，有效识别敏感文档。

Agentic Diagrammatica: Towards Autonomous Symbolic Computation in High Energy Physics

代理图示学：迈向高能物理中自主符号计算

Tony Menzo, Alexander Roman, George T. Fleming, Sergei Gleyzer, Konstantin T. Matchev, Stephen Mrenna

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出Diagrammatica，通过HEPTAPOD框架扩展实现LLM代理的多步骤理论计算。通过工具约束计算和知识接地方法，实现符号计算的精确性与可验证性，验证了在高能物理中的应用效果。

Comments 54 pages, 6 figures