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。