代码大模型 / AI 编程

Mage: Multi-Axis Evaluation of LLM-Generated Executable Game Scenes Beyond Compile-Pass Rate

Mage：多轴评估LLM生成的可执行游戏场景超越编译通过率

Hugh Xuechen Liu, Kıvanç Tatar

机构 * Chalmers University of Technology and University of Gothenburg（楚尔姆斯理工大学和哥德堡大学） 纠错

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

AI总结 本文提出Mage多轴评估框架，通过编译通过率、运行通过率、结构保真度和机制符合度四个维度评估LLM生成的游戏场景，发现编译通过率与功能正确性反相关，证明多轴评估对检测领域差异的必要性。

Comments Main Content: 10 pages, 1 figure. In total 22 pages

Cleaning up the Mess: Re-Evaluating the Real-System Modeling Accuracy of Ramulator 2.0

清理混乱：重新评估Ramulator 2.0真实系统建模精度

F. Nisa Bostanci, Haocong Luo, Ataberk Olgun, Maria Makeenkova, Geraldo F. Oliveira, A. Giray Yaglikci, Onur Mutlu

专题命中 代码评测 ：repository(abstract)

AI总结 本文指出Mess论文存在技术配置错误、方法论问题及不完整的工具包，导致Ramulator 2.0和DAMOV的模拟结果不可复现，纠正了其对真实系统性能的错误结论。

Comments Extended version of our publication at IEEE International Symposium on Performance Analysis of Systems and Software (ISPASS) 2026