代码大模型 / AI 编程

Code Broker: A Multi-Agent System for Automated Code Quality Assessment

Code Broker：一个用于自动化代码质量评估的多智能体系统

Samer Attrah

机构 * Independent researcher（独立研究者） ； California, USA（美国加州） 纠错

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

AI总结 Code Broker通过多智能体架构对Python代码进行分析并生成质量评估报告，结合LLM推理与静态分析工具，提升代码审查的效率与准确性。

Comments 8 pages, 1 figure, 2 tables, 28 references

An Empirical Evaluation of Locally Deployed LLMs for Bug Detection in Python Code

对本地部署LLM在Python代码中检测bug的实证评估

Jelena Ilić Vulićević

机构 * Independent Researcher Master of Electrical（独立研究者 电气工程硕士） 纠错

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

AI总结 本文评估了本地部署的LLaMA 3.2和Mistral在Python bug检测中的性能，发现其准确率在43%-45%之间，但难以精确定位修复。

Comments 8 pages, 5 figures. Code available at https://github.com/insajder/llm-bug-detection

Can LLMs Find Bugs in Code? An Evaluation from Beginner Errors to Security Vulnerabilities in Python and C++

LLMs能否发现代码中的错误？对Python和C++中初级错误到安全漏洞的评估

Akshay Mhatre, Noujoud Nader, Patrick Diehl, Deepti Gupta

机构 * 1 Dept. of Computer Information Systems, Texas A\&M University - Central Texas, TX, 76549 USA. ； 2 LSU Center for Computation \& Technology, Louisiana State University, Baton Rouge, LA, 70803 USA. ； 3 Department of Physics ； Astronomy, Louisiana State University, Baton Rouge, LA, 70803 USA. ； 4 Applied Computer Science (CCS-7), Los Alamos National Laboratory, Los Alamos, NM 87545 USA. 纠错

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

AI总结 本文评估了三个主流LLM在检测Python和C++中基础错误、经典安全漏洞及生产级bug的有效性，发现其在语法和语义问题上表现良好，但在复杂安全漏洞和大规模代码中性能下降。

Explainable AI for Mental Disorder Detection via Social Media: A survey and outlook

通过社交媒体进行精神障碍检测的可解释AI：调查与展望

Yusif Ibrahimov, Tarique Anwar, Tommy Yuan

机构 * Department of Computer Science, University of York, Heslington, United Kingdom（英国约克大学计算机科学系） ； French-Azerbaijani University under Azerbaijan State Oil and Industry University（阿塞拜疆国家石油和工业大学下的法语-阿塞拜疆大学） 纠错

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

AI总结 本文调查了数据科学、人工智能与心理健康护理的交叉领域，探讨了通过在线社交媒体检测精神障碍的最新进展，并强调了可解释AI在医疗AI中的重要性。

Comments Accepted for publication in IEEE Transactions on Artificial Intelligence. \c{opyright} 2026 IEEE (To appear)

Journal ref IEEE Transactions on Artificial Intelligence, 2026

Evaluation of LLM-Based Software Engineering Tools: Practices, Challenges, and Future Directions

评估基于大语言模型的软件工程工具：实践、挑战与未来方向

Utku Boran Torun, Veli Karakaya, Ali Babar, Eray Tüzün

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

AI总结 本文探讨了基于大语言模型的软件工程工具的评估问题，分析了现有评估方法的局限性，并提出了未来研究方向以提升评估的可靠性与可扩展性。

Comments Accepted to EASE 2026

AutoRISE: Agent-Driven Strategy Evolution for Red-Teaming Large Language Models

AutoRISE：面向大语言模型的代理驱动策略进化

Tanmay Gautam, Alireza Bahramali, Sandeep Atluri

机构 * Responsible AI, Microsoft（微软责任人工智能） 纠错

专题命中 代码评测 ：coding agent(abstract)；分类 cs.AI

AI总结 本文提出AutoRISE，通过代理编辑攻击策略并评估，实现攻击策略的进化，提升了对抗成功率。

Comments 36 pages, 6 tables, 2 figures

AeSlides: Incentivizing Aesthetic Layout in LLM-Based Slide Generation via Verifiable Rewards

AeSlides：通过可验证奖励激励基于大语言模型的幻灯片生成中的美观布局

Yiming Pan, Chengwei Hu, Xuancheng Huang, Can Huang, Mingming Zhao, Yuean Bi, Xiaohan Zhang, Aohan Zeng, Linmei Hu

机构 * Beijing Institute of Technology（北京理工大学） ； Zhipu AI (Z.ai)（智谱AI） 纠错

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

AI总结 本文提出AeSlides框架，通过可验证奖励优化幻灯片生成的美观布局，实验表明其在布局合规性、空格减少、元素碰撞和视觉平衡方面均优于现有方法。

Comments 21 pages, 25 figures, 9 tables

WebSerial Vision Training for Microcontrollers: A Browser-Based Companion to On-Device CNN Training

为微控制器的WebSerial视觉训练：一种浏览器基于的设备端CNN训练配套工具

Jeremy Ellis

机构 * High School Robotics Educator（高中机器人教育者） 纠错

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

AI总结 本文提出webmcu-vision-web，一种浏览器应用，用于在Seeed Studio XIAO ESP32-S3 Sense上端到端训练和部署TinyML视觉模型，提供本地机器学习流程，无需软件安装，支持实时激活可视化，实现快速训练部署。

Comments 29 pages, 16 figures, 5 tables. Paper 2 of the webmcu-ai series. All source code and supplemental results available at: https://github.com/webmcu-ai/webmcu-vision-web

GPU-native Embedding of Complex Geometries in Adaptive Octree Grids Applied to the Lattice Boltzmann Method

在自适应八叉树网格中实现复杂几何的GPU原生嵌入应用于格子玻尔兹曼方法

Khodr Jaber, Ebenezer E. Essel, Pierre E. Sullivan

专题命中 代码评测 ：repository(abstract)

AI总结 本文提出一种在GPU上原生嵌入静止三角网格的算法，用于自适应八叉树网格中的流体-固体边界条件处理，通过局部射线投射和高效网格块遍历实现稳定的近壁细化。

Comments 49 pages, 31 figures, 9 tables, 6 algorithms