代码大模型 / AI 编程

Uncertainty Quantification for LLM-based Code Generation

基于大语言模型的代码生成的不确定性量化

Senrong Xu, Yuhao Tan, Yanke Zhou, Guangyuan Wu, Zenan Li, Yuan Yao, Taolue Chen, Feng Xu, Xiaoxing Ma

机构 * State Key Lab of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； ETH Zürich（苏黎世联邦理工学院） ； Birkbeck, University of London（伦敦大学伯克贝克学院） 纠错

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

AI总结 本文提出RisCoSet方法，通过多重假设检验构建风险控制的预测集，用于大语言模型代码生成任务，有效减少代码移除并提升准确性。

Vision2Code: A Multi-Domain Benchmark for Evaluating Image-to-Code Generation

Vision2Code：一个多领域评估图像到代码生成的基准

Ajay Vikram Periasami, Junlin Wang, Bhuwan Dhingra

机构 * Duke University（杜克大学） 纠错

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

AI总结 Vision2Code提出一个无需参考代码的多领域图像到代码生成评估框架，通过2169个测试示例评估模型生成代码的质量，发现性能依赖于领域，且通过筛选器的模型输出可提升生成能力。

Comments Project page: https://image2code.github.io/vision2code/

From Code-Centric to Intent-Centric Software Engineering: A Reflexive Thematic Analysis of Generative AI, Agentic Systems, and Engineering Accountability

从代码导向到意图导向的软件工程：生成式人工智能、代理系统和工程问责的反思主题分析

Elyson De La Cruz

机构 * University of the Cumberlands（卡姆伯兰大学） 纠错

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

AI总结 本文通过反思性主题分析和解释现象学分析，探讨生成式人工智能、代理系统如何推动软件工程从代码导向转向意图导向，强调意图指定、上下文整理、架构知识和问责的重要性。

Comments 24 pages, 6 tables

BenchCAD: A Comprehensive, Industry-Standard Benchmark for Programmatic CAD

BenchCAD: 一个全面的、行业标准的程序化CAD基准测试

Haozhe Zhang, Kaichen Liu, Miaomiao Chen, Lei Li, Shaojie Yang, Cheng Peng, Hanjie Chen

机构 * University of Virginia（弗吉尼亚大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Rice University（莱斯大学） 纠错

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

AI总结 BenchCAD通过视觉问答、代码问答、图像到代码生成和指令引导的代码编辑评估模型，发现当前系统在生成精确参数化CAD程序方面存在不足，需进一步改进工业应用能力。

Comments 9 page 7 figures

StepCodeReasoner: Aligning Code Reasoning with Stepwise Execution Traces via Reinforcement Learning

StepCodeReasoner: 通过强化学习对齐代码推理与分步执行轨迹

Hao Wang, Rui Li, Lei Sha, Jie M. Zhang

机构 * Beihang University, Beijing, China（北京航空航天大学） ； Peking University, Beijing, China（北京大学） ； Zhongguancun Laboratory, Beijing, China（中关村实验室） ； King's College London, United Kingdom（伦敦国王学院） 纠错

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

AI总结 本文提出StepCodeReasoner框架，通过引入显式的中间执行状态监督，将代码推理转化为可验证的分步执行建模问题，并通过Bi-Level GRPO算法提升结构化信用分配，实验表明其在代码推理和生成任务中均优于现有方法。

Internalizing Curriculum Judgment for LLM Reinforcement Fine-Tuning

将课程判断内部化以优化大语言模型强化微调

Han Zheng, Yining Ma, Karthick Gunasekaran, Bharathan Balaji, Zheng Du, Shiv Vitaladevuni, Cathy Wu

机构 * MIT（麻省理工学院） ； Amazon AGI（亚马逊人工智能实验室） 纠错

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

AI总结 本文提出METIS框架，通过内部化课程判断提升LLM强化微调效率与性能，利用训练结果动态分配训练资源，实现闭环优化。

AutoMonitor-Bench: Evaluating the Reliability of LLM-Based Misbehavior Monitor

AutoMonitor-Bench：评估基于LLM的误行监控可靠性

Shu Yang, Jingyu Hu, Tong Li, Hanqi Yan, Wenxuan Wang, Di Wang

机构 * King Abdullah University of Science and Technology（卡塔尔国王 Abdullah 科学与技术大学） ； University of Bristol（布里斯托大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； King’s College London（伦敦国王学院） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文提出AutoMonitor-Bench，首个系统评估LLM误行监控可靠性的基准，包含3010个标注样本，通过MR和FAR指标评估12个模型，揭示监控性能的差异及安全与效用的权衡。

Comments ACL 2026 Findings

TileLoom: Automatic Dataflow Planning for Tile-Based Languages on Spatial Dataflow Accelerators

TileLoom：面向空间数据流加速器的tile基语言自动数据流规划

Wei Li, Zhenyu Bai, Heru Wang, Pranav Dangi, Zhiqiang Zhang, Cheng Tan, Huiying Lan, Weng-Fai Wong, Tulika Mitra

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

AI总结 TileLoom通过MLIR框架实现tile基程序到空间数据流架构的编译，通过分布式核心和芯片内网络提升数据复用与通信效率，实验显示其性能与厂商库相当。