AI 大模型
代码生成、软件工程智能体、程序修复、测试生成和开发者工具。
微技能架构：一种面向AI原生代码生成的模块化技能驱动框架
机构 * Artificial Intelligence Laboratory at AriooBarzan（AriooBarzan人工智能实验室） ； Engineering Team, Shiraz, Iran（伊朗谢尔兹工程团队）
专题命中 代码生成 ：code generation(title)；coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出微技能架构，通过将知识封装为原子技能胶囊并动态选择相关胶囊，解决AI代码生成中的上下文窗口管理问题，显著降低token消耗、提高编译成功率并消除架构违规。
MLEvolve：一种用于自动化机器学习算法发现的自我进化框架
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（东华大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI
AI总结 提出MLEvolve框架，通过渐进式MCGS、回溯记忆和分层控制解决LLM智能体在长期任务中的信息隔离、无记忆搜索和缺乏分层控制问题，在MLE-Bench和数学算法优化任务上取得最先进性能。
CASS-RTL：面向LLM的RTL生成的正确性感知子空间引导
机构 * Department of Electrical and Computer Engineering (ECE), University of Central Florida, Orlando, FL 32816, USA（电子与计算机工程系，中央佛罗里达大学，奥兰多，佛罗里达州32816，美国）
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG、cs.PL
AI总结 提出CASS-RTL框架，通过识别LLM中与RTL正确性相关的注意力头并构建低维子空间进行轻量级干预，在无需额外监督或重训练的情况下提升RTL代码生成的功能准确性。
Comments Accepted to the IEEE International Conference on LLM-Aided Design (LAD '26)
利用LLM生成IaC：错误分类法与配置知识注入研究
机构 * Jheronimus Academy of Data Science（Jheronimus数据科学学院） ； Tilburg University（蒂尔堡大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Sannio（萨诺尼大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.AI
AI总结 本研究探讨了如何通过系统性地注入结构化配置知识来提高LLM生成正确且意图一致的基础设施即代码（IaC）能力，特别是在Terraform中，提出了新的错误分类法，并评估了多种知识注入技术。
Comments Submitted to ACM
能否用Vibe编码击败研究生计算机科学学生？一个LLM与人类编码竞赛在市场驱动的战略规划中的表现
机构 * University of Southampton（苏塞克斯大学） ； University of Oxford and Alan Turing Institute（牛津大学和艾伦·图灵研究所）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一个基于现实物流优化问题（拍卖、取件和送货问题）的多智能体推理驱动基准，该问题结合了竞争拍卖与容量受限路由。研究通过比较40个LLM编码代理与17个人类编码代理在12场双打全部比赛和约4万场比赛中的表现，揭示了人类编码代理在战略规划和优化任务中的优势，以及LLM在现实世界中生成有效代码的能力不足。
通过测试时重建实现潜在推理的闭环
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google（谷歌） ； Florida State University（佛罗里达州立大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 提出ReLAT方法，利用自监督测试时训练通过查询重建损失优化潜在状态，实现潜在推理的闭环，提升数学推理、知识问答和代码生成的性能。
ACE-SQL: 基于经验信用分配的自适应协同优化方法用于文本到SQL
机构 * Harbin Engineering University（哈尔滨工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 代码生成 ：repository(abstract)；分类 cs.CL
AI总结 提出ACE-SQL强化学习框架，通过在线列集池和经验信用分配联合优化模式检索与SQL生成，在BIRD Dev上达到65.3%的贪心执行准确率。
AgentDisCo: 向开放深度研究代理中的解耦与协作迈进
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 代码生成 ：repository(abstract)；分类 cs.CL
AI总结 本文提出AgentDisCo，一种解耦且协作的代理架构，将深度研究视为信息探索与利用之间的对抗优化问题。通过批评代理评估生成的草稿并优化搜索查询，生成代理检索更新结果并修订草稿，最终生成综合报告。该框架通过元优化 harness 支持手工和自动发现的设计策略，并利用强大的代码生成代理自完善。
TensorBench: 在基于编译器的张量框架上对编码智能体进行基准测试
机构 * Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
专题命中 软件智能体 ：coding agent(title,abstract)；repository(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出 TensorBench，一个包含199个特征添加和重构任务的基准测试，用于评估编码智能体在基于编译器的张量框架上的表现，并通过测试套件自动评分。
实践中对智能体系统的人类监督：考察使用软件代理的开发者的监督工作、挑战与启发式方法
机构 * Microsoft Redmond USA（微软红mond美国）
专题命中 软件智能体 ：software agent(title,abstract)；分类 cs.SE、cs.AI
AI总结 通过访谈17位经验丰富的开发者，探索人类对自主软件代理的监督实践，发现四种监督工作形式（先验控制、协同规划、实时监控、事后审查），并总结监督挑战与应对策略。
提问还是假设？编码代理中的不确定性意识澄清寻求
机构 * Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； UniVie Doctoral School Computer Science, University of Vienna（维也纳大学计算机科学博士学院）
专题命中 软件智能体 ：coding agent(title)；分类 cs.CL
AI总结 本研究评估了LLM代理在未指定任务中的澄清能力，提出了一种不确定性意识的多代理框架，提高了任务解决率，并展示了多代理系统在复杂任务中主动寻求信息的行为。
Comments 18 pages, 7 figures; added experiments evaluating open-weight models (Kimi K2.6), expanded related work, and included dataset validation details
与“敌人”编码：人类开发者能否检测到AI代理的破坏行为？
机构 * Northeastern University（东北大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.CL、cs.AI
AI总结 通过大规模用户实验，研究人类开发者在长时间编码任务中检测AI代理恶意代码插入的能力，发现94%的开发者未能识别破坏，并分析其原因，提出安全监控设计建议。
Comments 34 pages, 30 figures, 3 tables
ADK Arena: 通过LLM即开发者评估智能体开发工具包
机构 * The Ohio State University（俄亥俄州立大学） ； Microsoft（微软）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 提出LLM-as-a-Developer方法，通过自动化流水线ADK Arena评估51个Python ADK框架，发现框架间生成成本差异达5.6倍，但无单一框架占优，且文档、源码和参数知识可相互替代。
Comments Work in Progress
SWE-InfraBench：评估语言模型在云基础设施代码上的表现
专题命中 软件智能体 ：code generation(abstract)；分类 cs.SE
AI总结 提出SWE-InfraBench基准，通过AWS CDK仓库中的真实代码修改任务评估LLM在云基础设施即代码（IaC）上的能力，发现当前最先进模型成功率仅34%。
Comments Accepted to NeurIPS 2025 Workshop on Evaluating the Evolving LLM Lifecycle
知识很重要：将项目和测试知识注入基于大语言模型的单元测试生成
专题命中 测试生成 ：unit test generation(title,abstract)；分类 cs.SE
AI总结 本文提出KTester框架，通过整合项目特定知识和测试领域知识，提升基于大语言模型的单元测试生成能力，实验表明其在多个关键指标上优于现有方法，提高了测试通过率和覆盖率，且生成的测试更易读易维护。
Comments Accepted at the 48th International Conference on Software Engineering(ICSE 2026),13 pages, 11 figures
RAT: 通过完全自动化的环境配置实现RunAnyThing
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
专题命中 代码评测 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出RAT框架，用于在任意仓库上实现跨编程语言的全自动环境配置，通过多阶段流水线整合语言感知抽象、镜像初始化、专用配置工具集和稳健沙箱，并提出RATBench基准测试集，实验表明RAT在环境设置成功率上比强基线提升了36.1%。
SciVisAgentSkills：面向科学数据分析和可视化的智能体技能设计与评估
机构 * Univ. Notre Dame（诺丁汉大学） ； LLNL（劳伦斯利弗莫尔国家实验室）
专题命中 代码评测 ：coding agent(abstract)；分类 cs.AI
AI总结 提出SciVisAgentSkills技能库，通过编码环境假设、工具使用模式和领域启发式知识增强编码智能体，在ParaView等科学工具上实现自然语言驱动的科学可视化工作流，实验表明技能可提升任务得分并影响token效率。
Code2LoRA：用于软件演化下代码语言模型的超网络生成适配器
机构 * University of Waterloo（滑铁卢大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.CL、cs.AI
AI总结 提出Code2LoRA超网络框架，通过生成仓库特定的LoRA适配器注入仓库知识，无需推理时令牌开销，支持静态和演化两种场景，在RepoPeftBench上达到与逐仓库LoRA相当或更优的性能。
转换而非等价：通过观察等价性基准测试代码库转换
机构 * University of Southern California（南加州大学） ； Google Cloud AI Research（谷歌云人工智能研究） ； University of Notre Dame（圣约翰大学） ； Google Deepmind（谷歌DeepMind）
专题命中 仓库级理解 ：coding agent(abstract)；分类 cs.SE、cs.CL
AI总结 针对代码库转换中智能体过度信任本地验证导致语义违反的问题，提出T2J-Bench基准，通过固定等价契约和三级验证（Spec、Numeric、Behavioral）评估转换质量，发现最佳系统通过率仅26.7-28.9%，且所有系统高估成功率66.6-97.8点。
R(B_8,B_10)=37 的自动化证明
专题命中 仓库级理解 ：repository(abstract)
AI总结 通过AI辅助工作流AutoMath，证明了书图Ramsey数R(B_8,B_10)=37，并给出了上界的Lean形式化证明。
Comments 8 pages
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈