代码大模型 / AI 编程

Embarrassingly Simple Self-Distillation Improves Code Generation

令人惊讶的简单自蒸馏方法提升代码生成能力

Ruixiang Zhang, Richard He Bai, Huangjie Zheng, Navdeep Jaitly, Ronan Collobert, Yizhe Zhang

机构 * Apple（苹果公司） 纠错

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

AI总结 提出简单自蒸馏（SSD）方法，仅利用模型自身输出进行微调，无需验证器或强化学习，显著提升代码生成性能，并揭示其通过重塑token分布解决精度-探索冲突的机制。

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。