代码大模型 / AI 编程

A Taxonomy of Programming Languages for Code Generation

编程语言的分类：为代码生成提供分类

Nishat Raihan, Christian Newman, Marcos Zampieri

机构 * George Mason University（乔治梅森大学） ； Rochester Institute of Technology（罗彻斯特理工学院） 纠错

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

AI总结 本文提出首个可复现的编程语言资源分类，将646种语言分为四类，揭示资源分布的极端不均衡，为多语言大模型的评估提供框架。

FLeX: Fourier-based Low-rank EXpansion for multilingual transfer

FLeX：基于傅里叶的低秩扩展用于多语言迁移

Gaurav Narasimhan

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文研究了通过低秩适应和优化器改进提升Python到Java等语言的跨语言迁移效果，发现低秩适应和傅里叶正则化能显著提升迁移性能。

Comments 19 pages, 25 figures, Stanford CS224N Custom Project

Automating Database-Native Function Code Synthesis with LLMs

利用大型语言模型自动合成数据库原生函数代码

Wei Zhou, Xuanhe Zhou, Qikang He, Guoliang Li, Bingsheng He, Quanqing Xu, Fan Wu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出DBCooker系统，通过多模块协同解决数据库原生函数合成难题，实现更高精度的自动代码生成，实验显示在SQLite、PostgreSQL和DuckDB上准确率提升34.55%。

Comments Please visit our homepage at: https://code4db.github.io/hi-opencook/. The code is available at: https://github.com/weAIDB/OpenCook

Babbling Suppression: Making LLMs Greener One Token at a Time

babbling suppression：使LLMs在每个token上更环保

Lola Solovyeva, Fernando Castor

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

AI总结 本文研究LLM代码生成中的babbling问题，提出babbling suppression方法，通过整合测试执行减少冗余输出，降低能耗和开发者认知负担。

AI-Driven Research for Databases

基于人工智能的数据库研究

Audrey Cheng, Harald Ng, Aaron Kabcenell, Peter Bailis, Matei Zaharia, Lin Ma, Xiao Shi, Ion Stoica

机构 * UC Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Meta ； Workday ； University of Michigan（密歇根大学） ； Maven AGI 纠错

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

AI总结 本文提出利用大语言模型自动化发现数据库性能优化方案，通过共进化设计评估器与解决方案，展示了在缓冲管理、查询重写和索引选择中的有效性，实现了优于现有方法的性能提升。

Automated Functional Testing for Malleable Mobile Application Driven from User Intent

基于用户意图的可变移动应用自动化功能测试

Yuying Wang, Kaifeng Huang, Hao Deng, Zhiyuan Sun, Jinxuan Zhou, Shengjie Zhao

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

AI总结 本文提出ALADDIN框架，通过用户需求驱动生成GUI测试，验证用户指定功能的正确性，展示了在六个移动应用上的有效性，推动移动开发向用户驱动模式转变。

AutoUE: Automated Generation of 3D Games in Unreal Engine via Multi-Agent Systems

AutoUE：通过多智能体系统自动化生成Unreal引擎中的3D游戏

Lei Yin, Wentao Cheng, Zhida Qin, Tianyu Huang, Yidong Li, Gangyi Ding

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出AutoUE系统，通过多智能体协同实现3D游戏的端到端生成，涵盖模型检索、场景生成、代码合成及自动化测试，验证了其有效性。

Comments Accepted as a ACL'26 Findings full paper

Autopoiesis: A Self-Evolving System Paradigm for LLM Serving Under Runtime Dynamics

自组织：一种面向LLM服务的自演化系统范式，用于运行时动态

Youhe Jiang, Ran Yan, You Peng, Wenshuang Li, Taiyi Wang, Fangcheng Fu, Binhang Yuan

专题命中 代码生成 ：program synthesis(abstract)

AI总结 本文提出Autopoiesis，一种自演化系统，使LLM服务从静态策略部署转向持续在线策略演化，通过实时动态驱动策略合成，提升服务在运行时动态下的适应性与效率。