代码大模型 / AI 编程

The Invisible Lottery: How Subtle Cues Steer Algorithm Choice in LLM Code Generation

隐形彩票：微妙线索如何引导LLM代码生成中的算法选择

Akanksha Narula, Mofasshara Binte Rafique, Laurent Bindschaedler

机构 * University of Washington（华盛顿大学） ； Google Research（谷歌研究院） 纠错

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

AI总结 通过大量控制实验，发现提示中的偶然线索（如上下文词或元数据）会系统性地改变LLM在代码生成中选择的算法族分布，影响性能、安全性和可维护性，而直接命名算法是最可靠的缓解措施。

AlgoVeri: An Aligned Benchmark for Verified Code Generation on Classical Algorithms

AlgoVeri：面向经典算法的验证代码生成对齐基准

Haoyu Zhao, Ziran Yang, Jiawei Li, Deyuan He, Zenan Li, Chi Jin, Venugopal V. Veeravalli, Aarti Gupta, Sanjeev Arora

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 为解决跨范式验证代码生成评估缺乏统一方法的问题，提出AlgoVeri基准，在Dafny、Verus和Lean三种语言上评估77个经典算法的验证代码生成，揭示不同验证系统的能力差距。

Comments Accepted to ICML 2026, 32 pages

Automatic Code Generation for High-Performance Discontinuous Galerkin Methods on Modern Architectures

为现代架构上的高性能不连续伽辽金方法自动代码生成

Dominic Kempf, René Heß, Steffen Müthing, Peter Bastian

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出了一种基于UFL和loopy的代码生成方法，用于生成不连续伽辽金方法在六面体网格上的高效向量化代码，通过自动调优选择最优变体，提高了软件的可持续性和性能可移植性。

Comments 28 pages, 19 figures, submitted to ACM Transactions on Mathematical Software (TOMS)

Exposing and exploiting structure: optimal code generation for high-order finite element methods

揭示并利用结构：高阶有限元方法的最佳代码生成

Miklós Homolya, Robert C. Kirby, David A. Ham

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文通过优化代码生成平台，揭示有限元结构，实现高阶有限元组装的最优算法复杂度，提出更强大的接口和抽象库及编译器算法。

Comments Submitted to ACM Transactions on Mathematical Software

Extending a User Interface Prototyping Tool with Automatic MISRA C Code Generation

扩展一个用户界面原型工具以实现自动MISRA C代码生成

Gioacchino Mauro, Harold Thimbleby, Andrea Domenici, Cinzia Bernardeschi

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

AI总结 本文提出一种将PVSio-web原型工具扩展为基于模型的工程工具的方法，通过自动生成功能验证的MISRA C代码，提升医疗设备用户界面的安全性与可靠性。

Comments In Proceedings F-IDE 2016, arXiv:1701.07925

Journal ref EPTCS 240, 2017, pp. 53-66

Loo.py: transformation-based code generation for GPUs and CPUs

Loo.py: 基于转换的GPU和CPU代码生成

Andreas Klöckner

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

AI总结 Loo.py通过定义数组计算的数据模型和转换库，提供多种转换方式以实现高性能代码生成，支持从原型到高性能实现的渐进式开发。

Journal ref Proceedings of ARRAY 2014: ACM SIGPLAN Workshop on Libraries, Languages, and Compilers for Array Programming

SePO: Self-Evolving Prompt Agent for System Prompt Optimization

SePO: 用于系统提示优化的自我进化提示智能体

Wangcheng Tao, Han Wu, Weng-Fai Wong

机构 * National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 提出SePO方法，通过自我指涉设计让提示智能体同时优化任务智能体和自身的系统提示，采用两阶段进化训练，在多个基准上平均准确率提升4.49%。

Comments 26 pages. Code: https://github.com/taowangcheng/SePO

StepPRM-RTL: Stepwise Process-Reward Guided LLM Fine-Tuning for Enhanced RTL Synthesis

StepPRM-RTL：基于逐步过程奖励引导的LLM微调以增强RTL综合

Prashanth Vijayaraghavan, Apoorva Nitsure, Luyao Shi, Ehsan Degan, Vandana Mukherjee

机构 * IBM Research San Jose CA USA（IBM研究院圣何塞加州美国） 纠错

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

AI总结 提出StepPRM-RTL框架，结合逐步轨迹建模、过程奖励模型和检索增强微调，通过密集反馈和蒙特卡洛树搜索探索推理路径，提升LLM生成RTL代码的功能正确性和推理保真度，在基准数据集上相比先前方法提升超10%。

Comments 6 pages, 2 figures, DAC'2026

CodegenBench: Can LLMs Write Efficient Code Across Architectures?

CodegenBench: 大型语言模型能否跨架构编写高效代码？

Jie Li, Wenzhao Wu, Junqi Hu, Qinrui Zheng, Bowen Wu, Juepeng Zheng, Yutong Lu, Haohuan Fu

机构 * Sun Yat-sen University（中山大学） ； National Supercomputing Center in Wuxi（无锡国家超级计算机中心） ； National Supercomputing Center in Shenzhen（深圳国家超级计算机中心） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） 纠错

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

AI总结 提出CodegenBench基准测试，评估LLMs在x86_64、Sunway和Kunpeng三种架构上生成高效并行代码的能力，发现其在通用架构上表现良好，但在领域特定架构上性能显著下降。

Comments 29 pages, 22 figures

OckBench: Measuring the Efficiency of LLM Reasoning

OckBench：衡量LLM推理效率

Zheng Du, Hao Kang, Song Han, Tushar Krishna, Ligeng Zhu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； NVIDIA（英伟达） 纠错

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

AI总结 提出OckBench基准，联合评估推理和编码任务中的准确性与token效率，揭示当前模型token利用率低下问题。

GIFT: Games as Informal Training for Generalizable LLMs

GIFT：游戏作为通用型LLM的非正式训练

Nuoyan Lyu, Bingbing Xu, Xueyun Tian, Weihao Meng, Yige Yuan, Yang Zhang, Zhiyong Huang, Tat-Seng Chua, Huawei Shen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Washington（华盛顿大学） ； 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.CL

AI总结 提出将游戏作为非正式训练环境，结合协调子任务训练（CST）方法，提升LLM在抽象推理、规划、创造力等通用能力上的泛化性能。

Extending UML-RT for Control System Modeling

扩展UML-RT用于控制系统建模

Qimin Gao, Lyndon J. Brown, Luiz Fernando Capretz

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

AI总结 本文提出将实时调度理论与面向对象方法结合，改进UML-RT以支持实时控制系统中时效性属性的分析，通过建模外部消息和偶发活动，提升实时控制系统的调度可行性评估。

Comments arXiv admin note: substantial text overlap with arXiv:1508.06203

Journal ref American Journal of Applied Sciences, 1(4): 338-347, Science Publications,2004

Bridge the Last-Mile Gap to Semantic Analytics: Compiling Natural-Language Queries into Semantic Operator Pipelines

弥合语义分析的最后一步差距：将自然语言查询编译为语义操作符流水线

Wenkai Dong, Ruyu Li, Sairam Gurajada, Yifan Wang

专题命中 代码生成 ：code generation(abstract)

AI总结 提出NL2Pipe中间件系统，通过查询-数据链接、语义规划和代码生成三阶段编译，将自然语言问题自动转化为可执行的语义操作符流水线，显著提升跨源工作负载的F1分数。

Comments 4 figures, 7 tables. Code: https://github.com/dongw-netize/NL2Pipe-Compiling-Natural-Language-Questions-into-Semantic-Operator-Pipelines

Issues in the software implementation of stochastic numerical Runge-Kutta

随机数值Runge-Kutta方法软件实现中的问题

Migran N. Gevorkyan, Anastasia V. Demidova, Anna V. Korolkova, Dmitry S. Kulyabov

专题命中 代码生成 ：code generation(abstract)

AI总结 本文探讨了用于Itô形式随机微分方程系统的随机数值Runge-Kutta方法的弱收敛和强收敛，讨论了这些方法的实现细节及所用编程语言和库。

Comments in English, in Russian

A Framework for Practical Parallel Fast Matrix Multiplication

实用平行快速矩阵乘法的框架

Austin R. Benson, Grey Ballard

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出一个框架，展示新型快速矩阵乘法算法在中等规模问题上优于传统算法和Strassen算法，同时探讨矩阵形状对算法选择的影响，并开发代码生成工具实现多种并行变体。

Journal ref Proceedings of the 20th ACM SIGPLAN Symposium on Principles and Practice of Parallel Programming (PPoPP), 2015

Pushing the limits of the CyberGrasp for haptic rendering

突破CyberGrasp在触觉渲染中的极限

Manuel Aiple, André Schiele

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出ExHand Box，通过扩展带宽和定制控制器提升CyberGrasp的触觉反馈性能，实现在硬接触场景中更高的接触刚度和更稳定的反馈效果。

Comments 7 pages, 12 figures

Journal ref Robotics and Automation (ICRA), 2013 IEEE International Conference on, Karlsruhe, 2013, pp. 3541-3546

A synchronous rendering of hybrid systems for designing Plant-on-a-Chip (PoC)

混合系统同步渲染用于设计芯片上植物（PoC）

Avinash Malik, Partha S Roop, Sidharta Andalam, Eugene Yip, Mark Trew

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出了一种基于混合自动机的同步渲染方法，用于生成芯片上植物系统的代码，通过静态验证和同步转换实现语义保留，优于Simulink在执行时间和代码大小上。

Comments 18 pages

Counter-Example Guided Synthesis of Control Lyapunov Functions for Switched Systems

反例引导的切换系统控制Lyapunov函数综合

Hadi Ravanbakhsh, Sriram Sankaranarayanan

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

AI总结 本文提出利用反例引导归纳综合（CEGIS）方法自动综合切换系统的控制Lyapunov函数（CLF），通过LMI松弛方法解决非线性约束问题，并在基准测试中验证了该方法的计算可行性。

A Two Stage CVT / Eikonal Convection Mesh Deformation Approach for Large Nodal Deformations

一种用于大节点变形的两阶段CVT/Eikonal卷积网格变形方法

Stephan Schmidt

专题命中 代码生成 ：code generation(abstract)

AI总结 本文提出一种两阶段网格变形方法，通过特殊形式的射线追踪与重心Voronoi重参数化解决大变形问题，采用Eikonal方程计算射线方向，适用于流体-结构相互作用和计算机图形学。

Coordinated Optimization at a Hydro Generating Plant by Software Agents

通过软件代理协调水电站的优化

James Christopher Foreman, Rammohan K. Ragade

专题命中 软件智能体 ：software agent(title,abstract)

AI总结 本文提出一种架构，将软件代理集成到水电站控制系统中，通过规则系统实现优化，提升发电功率，并协调多个水电站单元。

Journal ref IEEE Transactions on Control Systems Technology 17.1 (2009): 89-97

ClustRecNet: A Novel End-to-End Deep Learning Framework for Clustering Algorithm Recommendation

ClustRecNet: 一种用于聚类算法推荐的新型端到端深度学习框架

Mohammadreza Bakhtyari, Bogdan Mazoure, Renato Cordeiro de Amorim, Guillaume Rabusseau, Vladimir Makarenkov

机构 * Département d’Informatique, Université du Québec à Montréal（魁北克大学蒙特利尔分校计算机科学系） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； School of Computer Science and EE, University of Essex（埃塞克斯大学计算机科学与电子工程学院） ； Department of Computer Science and Operations Research, Université de Montréal（蒙特利尔大学计算机科学与运筹学系） 纠错

专题命中 软件智能体 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 提出ClustRecNet，一种端到端深度学习框架，通过直接学习原始表格数据的高阶表示来推荐合适的聚类算法，在合成和真实基准上优于传统内部聚类有效性指标和AutoML方法。

Comments Published in IEEE Access

Journal ref IEEE Access, vol. 14, pp. 81352 - 81365, 2026

Trustworthy AI Software Engineers

可信赖的AI软件工程师

Aldeida Aleti, Baishakhi Ray, Rashina Hoda, Simin Chen

专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE

AI总结 本文探讨AI代理作为软件工程师的信任问题，提出以证据为中心的检查方法，从技术质量、透明度、认知谦逊和社会伦理等维度定义可信赖性。

Comments The first three authors contributed equally to this work

Socio-technical Smart Grid Optimization via Decentralized Charge Control of Electric Vehicles

通过电动汽车去中心化充电控制实现社会技术智能电网优化

Evangelos Pournaras, Seoho Jung, Srivatsan Yadhunathan, Huiting Zhang, Xingliang Fang

专题命中 软件智能体 ：software agent(abstract)

AI总结 本文从社会技术角度研究电动汽车充电管理问题，提出一种去中心化参与式学习机制，以提升智能电网的可靠性、舒适度和公平性，通过本地知识生成能量需求计划，减少电力峰值和能源成本。

Self-regulating Supply-Demand Systems

自调节供需系统

Evangelos Pournaras, Mark Yao, Dirk Helbing

专题命中 软件智能体 ：software agent(abstract)

AI总结 本文提出了一种通用的去中心化自调节框架，用于智能城市领域如能源、交通和电信的供需系统，以应对物联网带来的新动态和机遇。

TeleSWEBench: A Commit-Driven Benchmark for Evaluating LLM-Powered Software Engineering in Telecommunications

TeleSWEBench：一个面向电信领域评估基于LLM的软件工程的提交驱动基准

Pranshav Gajjar, Ali Mamaghani, Dinesh Bharadia, Vijay K Shah

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

AI总结 提出TeleSWEBench，首个面向电信领域的提交驱动基准，通过从srsRAN 5G仓库挖掘真实提交并构建734个可执行测试用例，结合分层LLM评判框架TeleJudge，评估ASE工具在电信软件工程中的性能。

Can Generalist Agents Automate Data Curation?

通用智能体能否自动化数据筛选？

Feiyang Kang, Hanze Li, Adam Nguyen, Mahavir Dabas, Jiaqi W. Ma, Frederic Sala, Dawn Song, Ruoxi Jia

机构 * Virginia Tech（弗吉尼亚理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出Curation-Bench基准，通过通用编码智能体自动化数据筛选循环，实验表明现成智能体可达到强基线，但存在执行-研究差距，而结构化方法引导的智能体能在十分之一数据预算下自主组合出优于强基线的数据选择策略。

Comments Preprint

DetectZoo: A Unified Toolkit for AI-Generated Content Detection Across Text, Audio, and Image Modalities

DetectZoo：一个用于跨文本、音频和图像模态的AI生成内容检测的统一工具包

Sajad Ebrahimi, Nima Jamali, Bardia Shirsalimian, Kelly McConvey, Wentao Zhang, Jalehsadat Mahdavimoghaddam, Maksym Taranukhin, Maura Grossman, Vered Shwartz, Yuntian Deng, Ebrahim Bagheri

机构 * University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 提出DetectZoo，一个首个统一的多模态AI生成内容检测工具包，通过标准化数据预处理、评估流程和集成61个检测器与22个基准数据集，实现公平可重复的基准测试。

TamperBench: Systematically Stress-Testing LLM Safety Under Fine-Tuning and Tampering

TamperBench：系统化压力测试微调和篡改下的LLM安全性

Saad Hossain, Tom Tseng, Punya Syon Pandey, Samanvay Vajpayee, Matthew Kowal, Nayeema Nonta, Samuel Simko, Stephen Casper, Zhijing Jin, Kellin Pelrine, Sirisha Rambhatla

机构 * Critical ML Lab Waterloo Canada（Waterloo大学Critical ML实验室） ； FAR.AI Berkeley USA（伯克利美国FAR.AI公司） ； University of Toronto Toronto Canada（多伦多大学） ； University of Waterloo Waterloo Canada（Waterloo大学） ； ETH Zürich Zürich Switzerland（苏黎世联邦理工学院） ； MIT CSAIL Cambridge USA（麻省理工学院CSAIL实验室） ； University of Toronto, MPI, EuroSafeAI, Vector Institute Toronto Canada（多伦多大学、马克斯·普朗克研究所、EuroSafeAI、Vector Institute） ； Critical ML Lab University of Waterloo Waterloo Canada（Waterloo大学Critical ML实验室） 纠错

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

AI总结 提出统一框架TamperBench，通过系统化超参数扫描评估21个开源LLM在9种篡改威胁下的安全性和实用性，发现越狱微调是最严重攻击，当前对齐阶段防御基本失效。

Comments 25 pages, 15 figures

An Abaqus UEL implementation of the smoothed finite element method

Abaqus中基于单元的平滑有限元方法的UEL实现

Pramod Y Kumbhar, Amrita Francis, Narasimhan Swaminathan, Ratna Kumar Annabattula, Sundararajan Natarajan

专题命中 代码评测 ：repository(abstract)

AI总结 本文讨论了在商业有限元软件Abaqus中实现基于单元的平滑有限元方法（CSFEM）的方法。CSFEM的特点是不需要显式导出形状函数的导数，也不需要等参数映射。通过使用软件的用户元素子程序（UEL）功能实现了该方法。给出了输入数据格式的细节以及所提出的用户元素子程序，这是有限元分析的核心。通过解决线性弹性静力学问题的二维和三维基准问题来验证所提出的实现。开发的UEL和相关的输入文件可以从GitHub仓库下载：https://github.com/nsundar/SFEM_in_Abaqus。

Journal ref International Journal of Computational Methods, 2019

Taylor-Duffy Method for Singular Tetrahedron-Product Integrals: Efficient Evaluation of Galerkin Integrals for VIE Solvers

泰勒-迪菲方法用于奇异四面体积积分：用于离散化体积积分方程（VIE）求解器的加权伽辽金积分的高效评估

M. T. Homer Reid

专题命中 代码评测 ：code generation(abstract)

AI总结 本文提出一种高效准确的数值方法，用于计算四面体积域上六维奇异积分，适用于计算离散化体积积分方程求解器的加权伽辽金矩阵元素，通过扩展通用泰勒-迪菲策略，实现将六维奇异积分转化为低维非奇异积分，提升计算效率。

Comments 9 pages, 2 figures