代码大模型 / AI 编程

Axon: A Synthesizing Superoptimizer for Tensor Programs

Axon：张量程序的综合超优化器

Akash Kothari, Shaowei Zhu, Daniel Kroening, Chungha Sung

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Web Services（亚马逊网络服务） 纠错

专题命中 代码生成 ：program synthesis(abstract)；分类 cs.CL、cs.PL

AI总结 提出Axon，一种通过程序综合自动生成目标指令并探索语义等价变体以选择最佳性能内核的张量程序超优化器，利用SMT保证变换语义正确性。

Welterweight Go: Boxing, Structural Subtyping, and Generics (Extended Version)

次重量级Go：装箱、结构子类型和泛型（扩展版）

Raymond Hu, Julien Lange, Bernardo Toninho, Philip Wadler, Robert Griesemer, Keith Randall

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

AI总结 提出WG核心模型，涵盖Go的底层类型、类型联合和类型集等关键特性，并开发LWG低级语言模拟运行时机制，通过类型导向编译实现泛型方法等新特性，避免运行时代码生成。

NebulaExp-8B: An Empirical Post-Training Pipeline via Full-Scale Ablation Research

NebulaExp-8B：基于全尺度消融研究的经验性后训练流程

Qiaobo Hao, Yangqian Wu, Shunyi Wang, Zhongjian Zhang, Ziqun Li, Yayin He, Muqing Li, Chen Zhong

机构 * ZTE NebulaL0 Post-Training Team（中兴通讯NebulaL0后训练团队） 纠错

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

AI总结 提出NebulaExp透明后训练流程，基于Qwen3-8B-base，通过数据清洗、三阶段SFT和GRPO RL优化指令与推理分支，并探索OPD/MOPD替代RL，在8B模型上实现性能提升。

Comments 29 pages, 8 figures

AlgoEvolve: LLM-driven Meta-evolution of Algorithmic Trading Programs

AlgoEvolve：LLM驱动的算法交易程序元进化

Dhruv Sharma, Gautam Shroff

机构 * Indraprastha Institute of Information Technology, Delhi（德里英迪拉普拉萨信息技术学院） 纠错

专题命中 代码生成 ：program synthesis(abstract)；分类 cs.AI

AI总结 提出AlgoEvolve框架，利用LLM作为语义变异算子进化交易策略，通过元进化外层循环优化提示，在噪声、非平稳的金融环境中实现自适应策略逻辑，优于人工设计指令。

The Verification Horizon: No Silver Bullet for Coding Agent Rewards

验证地平线：编码智能体奖励没有银弹

Binghai Wang, Chenlong Zhang, Dayiheng Liu, Jiajun Zhang, Jiawei Chen, Mingze Li, Mouxiang Chen, Rongyao Fang, Siyuan Zhang, Xuwu Wang, Yuheng Jing, Zeyao Ma, Zeyu Cui

机构 * Qwen Team（Qwen团队） 纠错

专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文指出，随着编码智能体能力增强，验证解决方案比生成更难，并沿可扩展性、忠实性和鲁棒性三个维度分析验证信号质量，通过四种奖励构建实验表明验证必须与生成器共同进化。

Comments Authors are listed alphabetically by their first names

Augmentation with Dilution: A Large-Scale Empirical Study of Human Contributor Ecosystems After AI Coding Agent Adoption

稀释式增强：AI编码代理采纳后人类贡献者生态系统的大规模实证研究

Weixing Zhang, Bowen Jiang, Anne Koziolek

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

AI总结 通过双重差分法分析11,097个GitHub仓库，发现AI编码代理采纳不改变人类贡献者绝对数量，但显著降低其密度，并减少新人参与份额，同时增加审查深度，揭示“稀释式增强”模式。

A Deterministic Control Plane for LLM Coding Agents

LLM编码代理的确定性控制平面

Padmaraj Madatha

机构 * Happiest Minds Technologies (AIP Centre of Excellence)（happiest minds technologies（aip中心卓越机构）） 纠错

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

AI总结 针对LLM编码代理配置缺乏管理的问题，提出确定性控制平面Rel(AI)Build，通过内容寻址、分层权限、阶段状态机等机制确保配置安全与一致性。

Comments 45 pages, 9 figures, 13 tables. Dataset and reproduction scripts: Zenodo DOI 10.5281/zenodo.20780913. Ancillary files include report.json, organizations.txt, and figure-reproduction scripts

The Spec Growth Engine: Spec-Anchored, Code-Coupled, Drift-Enforced Architecture for AI-Assisted Software Development

规范增长引擎：AI辅助软件开发的规范锚定、代码耦合、漂移强制架构

Hartwig Grabowski

机构 * Hochschule Offenburg（奥芬堡应用科学大学） 纠错

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

AI总结 提出规范增长引擎框架，通过机器可读的规范图、Spine上下文组装器、垂直切片增长协议和漂移门，解决AI编码代理中的上下文爆炸和规范-代码漂移问题。

Knowledge-Based Pull Requests: A Trusted Workflow for Agent-Mediated Knowledge Collaboration

基于知识的拉取请求：一种可信的智能体中介知识协作工作流

Xinyu Zhang, Weiwei Sun

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

AI总结 提出知识型拉取请求（KPR）工作流，通过分离知识采纳与实现合并，利用智能体蒸馏外部知识并再生代码，以降低跨信任边界的软件协作成本。

Mostly Automatic Translation of Language Interpreters from C to Safe Rust

从C到安全Rust的语言解释器大部分自动翻译

Bo Wang, Brandon Paulsen, Joey Dodds, Daniel Kroening, Umang Mathur, Prateek Saxena

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

AI总结 提出Reboot技术，通过特征约简和多智能体架构，将C语言解释器大部分自动翻译为安全Rust，消除内存漏洞，验证测试通过率62%-92%。

Smaller Models, Unexpected Costs: Trade-offs in LLM Quantization for Automated Program Repair

更小的模型，意外的代价：LLM量化在自动程序修复中的权衡

Fernando Vallecillos-Ruiz, Giordano d'Aloisio, Max Hort, Luca Traini, Antinisca Di Marco, Leon Moonen

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 研究LLM量化在自动程序修复中的效果，发现量化虽减少内存但增加推理时间和能耗，且修复问题集差异大，权衡受模型架构和任务复杂度影响。

Comments Accepted for publication in the Research Papers Track of the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026), 14-18 September 2026, Benevento, Italy

To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair

运行还是不运行：分析基于LLM的程序修复中代码执行的成本效益

Zhihao Lin, Junhua Zhu, Mingyi Zhou, Xin Wang, Zhensu Sun, Renyu Yang, David Lo, Li Li

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 通过分析SWE-bench上的代理轨迹和端到端修复尝试，发现代码执行在LLM程序修复中普遍使用但效益不均，限制执行可节省成本且不影响修复成功率。

Comments Accepted to the ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA 2026). 23 pages

Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval

减少全切片图像分块冗余以实现可扩展索引与检索

Jialiang Geng, Ghazal Alabtah, Saghir Alfasly, Wataru Uegami, H. R. Tizhoosh

机构 * KIMIA Lab Dept. of Artificial Intelligence & Informatics（KIMIA实验室 人工智能与信息学系） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.AI

AI总结 提出ARReST框架，通过识别并剪除跨类别判别贡献小的对立块，在保持检索精度的同时显著压缩WSI索引存储（3%-60%），实现可扩展、低成本的病理图像检索。

Context-Aware Synthesis of Optimization Pipelines for Warehouse Optimization

面向仓库优化的上下文感知优化流水线合成

Janik Bischoff, Anne Meyer, Uta Mohring, Fabian Dunke, Maximilian Barlang, Özge Nur Subas, Hadi Kutabi, Stefan Nickel, Kai Furmans

机构 * Institute for Information Management in Engineering, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院信息管理工程研究所） ； Department of Business Administration, University of Zurich（苏黎世大学工商管理系） ； Institute for Operations Research, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院运筹学研究所） 纠错

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

AI总结 提出CASOP框架，通过模块化算法库、语义卡片、问题分类、流水线合成与评估，自动生成并评估针对特定仓库上下文的优化流水线，在7个基准集上验证了1063044条有效流水线。

Are LLMs Ready for Anti-Pattern Detection in Microservice Architectures?

LLM 是否准备好检测微服务架构中的反模式？

Marco De Luca, Domenico Amalfitano, Porfirio Tramontana, Anna Rita Fasolino

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

AI总结 本文研究大型语言模型（LLM）通过提示分析微服务仓库静态制品来检测16种架构反模式的能力，与静态分析工具MARS对比，发现LLM在局部、异构或语义丰富的反模式上表现有竞争力，但在需要结构或跨服务依赖证据时受限，可作为补充工具。

Comments accepted at ICSME 2026

Explainable Ensemble-Based Machine Learning Models for Detecting the Presence of Cirrhosis in Hepatitis C Patients

基于可解释集成机器学习模型检测丙型肝炎患者肝硬化的存在

Abrar Alotaibi, Lujain Alnajrani, Nawal Alsheikh, Alhatoon Alanazy, Salam Alshammasi, Meshael Almusairii, Shoog Alrassan, Aisha Alansari

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 本研究利用四种集成机器学习算法（随机森林、梯度提升机、极端梯度提升和极端随机树）检测丙型肝炎患者的肝硬化，其中极端随机树模型在仅使用16个特征时达到96.92%的准确率，优于其他模型。

Journal ref Computation 2023, 11, 104

Formalizing a Many-Sorted Hybrid Polyadic Modal Logic in Lean

在Lean中形式化多类混合多模态逻辑

Andrei-Alexandru Oltean, Bogdan Macovei, Ioana Leuştean

专题命中 仓库级理解 ：repository(abstract)；分类 cs.PL

AI总结 本文在Lean中形式化了一个多类签名和多模态算子的混合模态逻辑，提供DSL用于定义语言和协议，并证明了其可靠性定理，展示了在代码验证、BAN逻辑和S5系统中的应用。

Solarsystem: A Validated Lightweight Python Package for Planetary Positions and Solar-Lunar Event Calculations

Solarsystem: 一个经过验证的轻量级Python包，用于行星位置和太阳-月球事件计算

Ioannis Nasios

专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE

AI总结 本文介绍solarsystem，一个轻量级、无依赖的Python包，使用解析模型计算行星位置和太阳-月球事件，经JPL DE440星历验证，平均经度偏差0.44角分，纬度偏差0.16角分。

TMP: Tree-structured Mixed-policy Pruning for Large-scale Image Generation and Editing

TMP：面向大规模图像生成与编辑的树结构混合策略剪枝

Peizhen Zhang, Yang Li, Xunsong Li, Songtao Liu, Zewen Liu, Qiangqiang Hu, Guotong Guo, Jupeng Ding, Yifu Sun, coopersli, Jian Zhang, Zhao Zhong, Liefeng Bo

机构 * Multimodal Model Department, Tencent（腾讯多模态模型部） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出首个树结构混合策略剪枝框架TMP，适用于文本到图像和文本引导图像到图像任务及MoE/DiT架构，以75%压缩比将HunyuanImage 3.0从80B降至20B参数，并在单张4090 GPU上推理。

Comments 10 pages, 3 figures, 3 tables, tech report

The Line Emission Terahertz Observatory (LETO): Exploring the lifecycle of the ISM and the origins of water

谱线发射太赫兹天文台（LETO）：探索星际介质的生命周期和水的起源

Dimitra Rigopoulou, Peter Roelfsema, William Grainger, Chris Pearson, Boon-Kok Tan, Wouter Laauwen, Andrey Baryshev, Vincent Desmaris, Ismael Garcia-Bernete, Javier R. Goicoechea, Leslie Hunt, Georgios Magdis, Miguel Pereira-Santaella, Kamber Schwarz, Bryan Shaugnessy, Martina Wiedner

专题命中 仓库级理解 ：repository(abstract)

AI总结 LETO通过高分辨率光谱巡天，研究星际介质对恒星形成的影响、气体云转化为恒星和行星系统的过程，以及水在星际介质中的流动。

Comments 9 pages, 6 figures, to appear in SPIE Astronomical Telescopes & Instrumentation Proceedings