代码大模型 / AI 编程

Verus-SpecGym: An Agentic Environment for Evaluating Specification Autoformalization

Verus-SpecGym: 用于评估规范自动形式化的智能体环境

Anmol Agarwal, Natalie Neamtu, Pranjal Aggarwal, Seungone Kim, Jannis Limperg, Cedric Flamant, Kanna Shimizu, Bryan Parno, Sean Welleck

机构 * CMU（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

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

AI总结 提出 Verus-SpecGym 环境与 Verus-SpecBench 基准，通过执行规范机制和对抗性测试评估 LLM 智能体将非正式编程问题转化为形式规范的能力，发现前沿模型可解决 77.8% 的任务但存在遗漏假设等脆弱性。

Comments Preprint

InfoSynth: Information-Guided Benchmark Synthesis for LLMs

InfoSynth: 信息引导的大语言模型基准合成

Ishir Garg, Neel Kolhe, Xuandong Zhao, Dawn Song

机构 * UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出基于信息论（KL散度和熵）的InfoSynth框架，自动生成高难度、多样化的Python编程基准，97%的测试用例和解决方案准确。

Small Object Detection in Industrial Recycling: A New Dataset and YOLO Performance Evaluation

工业回收中的小目标检测：新数据集与YOLO性能评估

Oussama Messai, Abbass Zein-Eddine, Abdelouahid Bentamou, Mickael Picq, Nicolas Duquesne, Stéphane Puydarrieux, Yann Gavet

机构 * Mines Saint-Etienne, CNRS, UMR 5307 LGF（圣艾蒂安 Mines、法国国家科学研究中心、UMR 5307 LGF） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 针对工业回收中小、密集、重叠目标的检测难题，本文提出新数据集并对比基于深度学习的监督方法，评估YOLO等系统的性能、精度与计算效率，同时探索数据增强与合成图像的优势。

Journal ref Journal of Electronic Imaging 2026