代码大模型 / AI 编程

Persistent Cross-Attempt State Optimization for Repository-Level Code Generation

持久的跨尝试状态优化用于仓库级代码生成

Ruwei Pan, Jiangshuai Wang, Qisheng Zhang, Yueheng Zhu, Linhao Wu, Zixiong Yang, Yakun Zhang, Lu Zhang, Hongyu Zhang

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

AI总结 本文提出LiveCoder框架，通过跨尝试知识优化提升仓库级代码生成效率，通过保留任务特定状态提升生成效果，实验表明在RAL-Bench上功能得分提升22.94个百分点，仓库复用率提升至81.58%。

COBOL-Coder: Domain-Adapted Large Language Models for COBOL Code Generation and Translation

COBOL-Coder：面向COBOL代码生成与翻译的领域适应性大语言模型

Anh T. V. Dau, Shin Hwei Tan, Jinqiu Yang, Nghi D. Q. Bui, Anh Tuan Nguyen

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

AI总结 本文提出COBOL-Coder，一种专为COBOL设计的大型语言模型，通过自动化数据管道和领域适应技术，在代码生成与翻译任务中表现出色，优于现有模型。

SecPI: Secure Code Generation with Reasoning Models via Security Reasoning Internalization

SecPI: 通过安全推理内化实现安全代码生成

Hao Wang, Niels Mündler, Mark Vero, Jingxuan He, Dawn Song, Martin Vechev

机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 SecPI通过内化结构化安全推理，使推理模型在无需安全指令的情况下生成安全代码，经验证在多个安全基准测试中显著提升代码功能正确性和安全性。

COBOLAssist: Analyzing and Fixing Compilation Errors for LLM-Powered COBOL Code Generation

COBOLAssist: 分析和修复由LLM驱动的COBOL代码生成中的编译错误

Anh T. V. Dau, Shin Hwei Tan, Jinqiu Yang, Nghi D. Q. Bui, Anh Tuan Nguyen

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

AI总结 本文研究了COBOL编译错误的挑战，提出COBOLAssist框架通过迭代修复提升代码正确性，实验表明其显著提高了编译成功率和功能正确性。

StatsClaw: An AI-Collaborative Workflow for Statistical Software Development

StatsClaw：统计软件开发的AI协作工作流

Tianzhu Qin, Yiqing Xu

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

AI总结 StatsClaw通过多智能体架构实现统计软件开发的可靠自动化，通过信息隔离机制确保代码生成与验证的独立性，提升软件生命周期的工程效率并保持研究人员对方法学的控制。

Benchmarking and Evaluating VLMs for Software Architecture Diagram Understanding

对软件架构图理解的VLMs基准测试与评估

Shuyin Ouyang, Jie M. Zhang, Jingzhi Gong, Gunel Jahangirova, Mohammad Reza Mousavi, Jack Johns, Beum Seuk Lee, Adam Ziolkowski, Botond Virginas, Joost Noppen

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

AI总结 本文提出SADU基准，评估VLMs在理解软件架构图作为结构化软件工程制品上的能力，揭示当前模型在图表推理和视觉关系定位方面的不足。

Customized User Plane Processing via Code Generating AI Agents for Next Generation Mobile Networks

通过代码生成AI代理实现定制化用户平面处理以适用于下一代移动网络

Xiaowen Ma, Onur Ayan, Yunpu Ma, Xueli An

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

AI总结 本文研究了利用AI代理生成定制化处理模块的方法，探讨了模型选择、提示设计和代码模板对生成准确性的影响，证明AI代理能在合适条件下实现所需行为。

Apriel-1.5-OpenReasoner: RL Post-Training for General-Purpose and Efficient Reasoning

阿普里尔-1.5-开放式推理机：基于强化学习的后训练通用高效推理

Rafael Pardinas, Ehsan Kamalloo, David Vazquez, Alexandre Drouin

机构 * ServiceNow 纠错

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

AI总结 本文提出Apriel-1.5-OpenReasoner，通过可复现的多领域强化学习后训练方法，在Apriel-Base上实现跨五个领域的通用高效推理，提升推理效率并优化不同难度问题的推理长度。

Comments 20 pages, 4 tables, 6 figures, appendix included

How AI Coding Agents Modify Code: A Large-Scale Study of GitHub Pull Requests

AI代码代理如何修改代码：对GitHub拉取请求的大型研究

Daniel Ogenrwot, John Businge

机构 * University of Nevada Las Vegas（内华达大学拉斯维加斯分校） 纠错

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

AI总结 研究通过分析GitHub拉取请求中的代码修改，探讨AI代理与人类贡献在提交数量、文件修改和描述一致性上的差异。

Comments Accepted at the 23rd IEEE/ACM International Conference on Mining Software Repositories - Mining Challenge Track

Beyond Fixed Tests: Repository-Level Issue Resolution as Coevolution of Code and Behavioral Constraints

超越固定测试：仓库级问题解决作为代码和行为约束的共进化

Kefan Li, Yuan Yuan, Mengfei Wang, Shihao Zheng, Wei Wang, Ping Yang, Mu Li, Weifeng Lv

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

AI总结 本文提出Agent-CoEvo框架，通过共进化代码与行为约束提升修复效果，优于现有基线方法。

SuperLocalMemory V3.3: The Living Brain -- Biologically-Inspired Forgetting, Cognitive Quantization, and Multi-Channel Retrieval for Zero-LLM Agent Memory Systems

SuperLocalMemory V3.3：活脑——生物启发的遗忘、认知量化与多通道检索用于零LLM代理记忆系统

Varun Pratap Bhardwaj

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出SuperLocalMemory V3.3，通过生物启发的遗忘机制、认知量化和多通道检索，实现零LLM代理的记忆系统，提升了多跳和对抗场景下的性能。

Comments 19 pages, 4 figures, 11 tables. Third paper in the SuperLocalMemory trilogy. Code: https://github.com/qualixar/superlocalmemory (v3.3.26). npm: superlocalmemory. PyPI: superlocalmemory

Bridging Safety and Security in Complex Systems: A Model-Based Approach with SAFT-GT Toolchain

在复杂系统中弥合安全与安全性的方法：基于模型的SAFT-GT工具链

Irdin Pekaric, Raffaela Groner, Alexander Raschke, Thomas Witte, Jubril Gbolahan Adigun, Michael Felderer, Matthias Tichy

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

AI总结 本文提出基于模型的SAFT-GT工具链，用于解决复杂系统中安全与安全性的挑战，通过攻击-故障树生成和模型组合方法，提升系统安全性和可靠性，通过用户研究验证其有效性。

Humans Integrate, Agents Fix: How Agent-Authored Pull Requests Are Referenced in Practice

人类整合，代理修复：代理撰写的拉取请求在实践中是如何被引用的

Islem Khemissi, Moataz Chouchen, Dong Wang, Raula Gaikovina Kula

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

AI总结 研究通过分析AIDev数据集中的代理撰写的拉取请求引用，揭示了人类与代理之间引用意图的分类，发现人类主要用于构建新功能，而代理用于修复错误，且引用的拉取请求生命周期更长，审查时间更长。

Comments Accepted to MSR Mining Challenge paper

SKILLFOUNDRY: Building Self-Evolving Agent Skill Libraries from Heterogeneous Scientific Resources

SKILLFOUNDRY：从异构科学资源构建自演化智能体技能库

Shuaike Shen, Wenduo Cheng, Mingqian Ma, Alistair Turcan, Martin Jinye Zhang, Jian Ma

机构 * Ray and Stephanie Lane Computational Biology Department, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院Ray and Stephanie Lane计算生物学系） ； Machine Learning Department, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院机器学习系） 纠错

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

AI总结 SKILLFOUNDRY通过自演化框架将异构资源转化为验证过的智能体技能包，提升科学代理在基准和领域任务中的性能，扩展覆盖范围，为更强大的科学代理提供基础。

Android Instrumentation Testing in Continuous Integration: Practices, Patterns, and Performance

Android持续集成中的仪器测试：实践、模式与性能

Hamid Parsazadeh, Taher A. Ghaleb, Safwat Hassan

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

AI总结 研究Android持续集成中仪器测试的实践、模式及性能，发现仅10.6%的仓库使用仪器测试，常用社区组件或自定义脚本设置模拟器，不同设置方式在可靠性、效率和成本上有差异。

Comments Accepted at the 19th IEEE International Conference on Software Testing, Verification and Validation (ICST 2026)

Ledger-State Stigmergy: A Formal Framework for Indirect Coordination Grounded in Distributed Ledger State

账本-状态斯蒂格玛：一种基于分布式账本状态的间接协调形式化框架

Fernando Paredes García

专题命中 软件智能体 ：software agent(abstract)

AI总结 本文提出基于账本状态的间接协调框架，通过状态转换形式化方法，识别三种常见链上协调模式及Commit-Reveal序列叠加，提供可重用的词汇和设计指导。

Comments 15 pages, 1 figure. Also archived at Zenodo DOI: 10.5281/zenodo.19425884. Companion foundations preprint DOI: 10.5281/zenodo.19199497

PAFT: Preservation Aware Fine-Tuning for Minimal-Edit Program Repair

PAFT：面向最小编辑程序修复的保留意识微调

Boyang Yang, Zijian Cai, Shunfu Jin, Haoye Tian

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 PAFT通过保留意识微调方法，在Defects4J和HumanEval-Java上将pass@1提升65.6%，同时降低平均编辑距离32.6%，实现更小、更局部化的合理补丁。

ComPass: Contrastive Learning for Automated Patch Correctness Assessment in Program Repair

ComPass：基于对比学习的程序修复中自动补丁正确性评估

Quanjun Zhang, Ye Shang, Haichuan Hu, Chunrong Fang, Zhenyu Chen, Liang Xiao

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 ComPass利用对比学习和数据增强解决程序修复中补丁过拟合问题，通过代码转换规则生成语义保持的代码片段，提升补丁正确性评估的准确性。

Comments 31 pages, 3 figures

DebugHarness: Emulating Human Dynamic Debugging for Autonomous Program Repair

DebugHarness: 模拟人类动态调试以实现自主程序修复

Maolin Sun, Yibiao Yang, Xuanlin Liu, Yuming Zhou, Baowen Xu

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 DebugHarness通过模拟人类动态调试过程，利用LLM实现复杂漏洞的自动修复，其动态调试方法在SEC-bench数据集上实现了90%的修复率，比现有方法提升30%以上。

Comments 15 pages, 6 figures

On the Effectiveness of Code Representation in Deep Learning-Based Automated Patch Correctness Assessment

深度学习基于自动补丁正确性评估中的代码表示效果研究

Quanjun Zhang, Haichuan Hu, Chunrong Fang, Ye Shang, Tao Zheng, Zhenyu Chen, Yun Yang, Liang Xiao

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE

AI总结 本文研究了不同代码表示在预测补丁正确性中的性能，发现基于图的表示在多个基准上表现最佳，同时整合序列表示可提升性能。

Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair

超越崩溃到补丁：Linux内核修复的补丁演变

Luyao Bai, Kenan Alghythee, Hang Zhang, Xiaoguang Wang

专题命中 程序修复 ：coding agent(abstract)；分类 cs.SE

AI总结 本文研究Linux内核修复的补丁演变过程，提出PatchAdvisor框架，通过整合检索与诊断顾问，提升修复质量与审查一致性。

GOPREAUX I: Open-source Code and Data to Model Multi-wavelength Emission of Extragalactic Transients using Gaussian Processes

GOPREAUX I: 开源代码和数据用于通过高斯过程建模 extragalactic 异常的多波段发射

C. Pellegrino, T. A. Pritchard, M. Modjaz, A. Crawford, S. Khakpash, F. Bianco

专题命中 测试生成 ：repository(abstract)

AI总结 本文介绍 GOPREAUX，一个用于多波段暂现体光度学回归的 Python 包，通过非参数方法建模不同暂现体类别的光度行为，提供多波段光度曲线和光谱模板，并开放源代码和数据供研究使用。

Comments 35 pages, 21 figures, to be submitted to ApJ

CL4SE: Benchmarking Context Learning on Software Engineering

CL4SE：软件工程中基于上下文学习的基准测试

Haichuan Hu, Quanjun Zhang, Ye Shang, Guoqing Xie, Chunrong Fang, Zhenyu Chen, Liang Xiao

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

AI总结 本文提出CL4SE基准测试，系统分类四种软件工程特定上下文类型，通过高质量数据集和五种主流LLM评估，展示上下文学习在代码生成、审查等任务中的性能提升。

Comments 34 pages, 4 figures

CodeWiki: Evaluating AI's Ability to Generate Holistic Documentation for Large-Scale Codebases

CodeWiki: 评估AI生成大规模代码库整体文档的能力

Anh Nguyen Hoang, Minh Le-Anh, Bach Le, Nghi D. Q. Bui

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

AI总结 CodeWiki提出一个统一框架，用于生成多语言代码库的自动化文档，通过层级分解、递归多代理处理和多模态合成，提升文档质量，实验显示其在高脚本语言上的改进显著。

Comments Accepted at ACL 2026

Toward Executable Repository-Level Code Generation via Environment Alignment

面向环境对齐的仓库级代码生成

Ruwei Pan, Junlei Shen, Linhao Wu, Yueheng Zhu, Zixiong Yang, Yakun Zhang, Lu Zhang, Hongyu Zhang

专题命中 仓库级理解 ：code generation(title,abstract)；repository(title,abstract)；分类 cs.SE、cs.AI

AI总结 本文提出EnvGraph框架，通过环境对齐问题解决仓库级代码生成中的可执行性挑战，实验显示其在功能正确性和非功能质量上均优于现有方法。

Beyond Code Snippets: Benchmarking LLMs on Repository-Level Question Answering

超越代码片段：在仓库层面评估大语言模型的问答任务

Yoseph Berhanu Alebachew, Hunter Leary, Swanand Vaishampayan, Chris Brown

机构 * Department of Computer Science, Virginia Tech（弗吉尼亚理工大学计算机科学系） 纠错

专题命中 仓库级理解 ：repository(title,abstract)；分类 cs.SE、cs.AI

AI总结 本文提出StackRepoQA数据集，用于评估大语言模型在多项目仓库层面的问答能力，通过对比不同配置下的性能，揭示了模型在处理仓库级程序理解时的局限性。

Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret

通过偏好遗憾优化有限示范数据下的神经机器人策略

Viet Dung Nguyen, Yuhang Song, Anh Nguyen, Jamison Heard, Reynold Bailey, Alexander Ororbia

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司） ； University of Liverpool（利物浦大学） 纠错

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

AI总结 本文提出MYOE框架，通过可查询的偏好混合状态空间模型估计每一步的目标，利用偏好遗憾优化机器人控制策略，实验显示其鲁棒性、适应性和泛化能力优于其他RLfD方法。

Comments 10 pages, 4 figures, 4 tables

MSDformer: Multi-scale Discrete Transformer For Time Series Generation

MSDformer：多尺度离散Transformer用于时间序列生成

Shibo Feng, Zhicheng Chen, Xi Xiao, Zhong Zhang, Qing Li, Xingyu Gao, Peilin Zhao

机构 * Nanyang Technological University（南洋理工大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent（腾讯） ； Peng Cheng Laboratory（鹏城实验室） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

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

AI总结 MSDformer通过多尺度离散Transformer方法，解决传统DTM在捕捉复杂时间序列多尺度特征和理论指导方面的不足，提升生成质量。

Detecting Media Clones in Cultural Repositories Using a Positive Unlabeled Learning Approach

利用积极无监督学习方法在文化库中检测媒体克隆

V. Sevetlidis, V. Arampatzakis, M. Karta, I. Mourthos, D. Tsiafaki, G. Pavlidis

机构 * Archimedes, ATHENA RC（阿基米德研究中心，雅典娜研究与创新中心） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出利用积极无监督学习方法在文化库中检测媒体克隆，通过轻量级查询克隆编码器和可解释阈值实现高效去重，实验表明在CIFAR-10和AtticPOT数据集上均取得显著提升。

Comments Accepted at CAA 2026 International Conference

Finding Sets of Pareto Sets in Real-World Scenarios -- A Multitask Multiobjective Perspective

在现实世界场景中寻找帕累托集集——多任务多目标视角

Jiao Liu, Yew Soon Ong, Melvin Wong

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文从多任务多目标视角探讨在现实世界中生成帕累托集集的方法，针对工程设计、库存管理和超参数优化等实际问题，评估现有多任务进化方法的性能，并通过可视化分析不同任务对应的帕累托集相似性。