AI 大模型

代码大模型 / AI 编程

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。

2026-06-17 至 2026-06-17 共收录 2 篇信号源：cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 代码评测 2 篇

2603.03824 2026-06-17 cs.AI cs.CL cs.LG cs.MA 版本更新 67%

In-Context Environments Induce Evaluation-Awareness in Language Models

上下文环境诱导语言模型中的评估意识

Maheep Chaudhary

机构 * Independent（独立）

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

AI总结本文提出黑盒对抗优化框架，通过优化上下文提示诱导语言模型产生评估意识并策略性低表现（沙袋效应），实验显示优化提示可使算术任务准确率下降高达94个百分点，且沙袋效应主要由评估意识推理驱动。

2606.17861 2026-06-17 cs.CL 新提交 57%

GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine?

GameCraft-Bench：智能体能否在真实游戏引擎中端到端构建可玩游戏？

Tongxu Luo, Rongsheng Wang, Jiaxi Bi, Chenming Xu, Zhengyang Tang, Jianlong Chen, Juhao Liang, Ke Ji, Shuqi Guo, Yuhao Du, Fan Bu, Wenyu Du, Xiaotong Zhang, Kyle Li, Shaobo Wang, Linfeng Zhang, Yuxuan Liu, Xin Lai, Chenxin Li, Yiduo Guo, Zhexin Zhang, Xinyuan Wang, Tianyi Bai, Ziniu Li, Benyou Wang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））； Shenzhen Loop Area Institute（深圳河套学院）； Hunyuan Team, Tencent（腾讯混元团队）； USTB（北京科技大学）； DualverseAI ； SJTU（上海交通大学）； NUS（新加坡国立大学）

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

AI总结提出GameCraft-Bench基准，评估编码智能体在Godot引擎中端到端生成可玩游戏的能力，最强智能体仅达41.46%成功率。