代码大模型 / AI 编程

ParEVO: Synthesizing Code for Irregular Data: High-Performance Parallelism through Agentic Evolution

ParEVO：为不规则数据合成代码：通过智能进化实现高性能并行

Liu Yang, Zeyu Nie, Andrew Liu, Felix Zou, Deniz Altinbüken, Amir Yazdanbakhsh, Quanquan C. Liu

机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 针对不规则数据并行计算难题，ParEVO框架通过构建数据集、微调模型及进化编码代理，合成高性能并行算法，在基准测试中加速显著，优于商业模型及专家基线。

SWE-Manager: Selecting and Synthesizing Golden Proposals Before Coding

SWE-Manager：编码前选择并合成黄金方案

Boyin Tan, Haoning Deng, Junyuan Zhang, Junjielong Xu, Pinjia He, Youcheng Sun

专题命中 软件智能体 ：code generation(abstract)；分类 cs.SE

AI总结 研究软件工程中提案选择问题，引入SWE-Manager方法，通过强化学习训练8B模型进行提案比较、选择及合成黄金方案，在基准测试中表现优异，并设计框架评估其在实际问题解决中的有效性。

ORBIT-Q: Dual-axis benchmarking of autonomous agents in scientific quantum programming

ORBIT-Q：科学量子编程中自主代理的双轴基准测试

Shi-Xin Zhang, Yu-Qin Chen

专题命中 软件智能体 ：coding agent(abstract)

AI总结 为解决自主编码代理在科学计算中缺乏严格验证范式问题，引入ORBIT-Q。其核心是精心策划的量子工作流程套件，结合严格验证管道进行双轴比较，评估结果为相关研究提供基准。

Comments 7.5 pages, 4 figures with references and supplementary information

ARISE: A Repository-level Graph Representation and Toolset for Agentic Program Repair and Fault Localization

ARISE：面向智能体程序修复与故障定位的仓库级图表示及工具集

Shahd Seddik, Fahd Seddik, Amirrezza Esmaeili, Mahdieh Sadatbenis, Fatemeh Fard

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

AI总结 针对现有图智能体缺乏过程内数据流建模的问题，提出多粒度程序图工具集ARISE，支持语句级数据流切片查询，大幅提升智能体故障定位与程序修复性能。

Comments v2: extended analysis, more experiments, additional authors added

Enhancing Program Repair with Specification Guidance and Intermediate Behavioral Signals

通过规范引导和中间行为信号增强程序修复

Minh Le-Anh, Cuong Chi Le, Tien N. Nguyen

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

AI总结 SpecTune通过整合中间行为推理提升程序修复，利用执行检查点分解修复任务，生成局部后置条件以识别程序行为偏差，结合规范验证信号和判别信号提高修复精度和有效性。

PSearch: Search-based Patch Generation in the Era of LLM-based Automated Program Repair

PSearch：基于大语言模型的自动程序修复时代中基于搜索的补丁生成

Haichuan Hu, Ye Shang, Weifeng Sun, Quanjun Zhang

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

AI总结 针对现有基于大语言模型的自动程序修复方法靠试错生成补丁、难以有效评估搜索方向潜力和分配预算的问题，提出Psearch框架，以迭代补丁评估和优化为核心，能集成不同搜索算法，实验证明其有效性。

Comments accepted to ASE 2026

Teaching Code LLMs to Reason with Intermediate Formal Specifications

使用中间形式规范训练代码语言模型进行推理

Minh Le-Anh, Cuong Chi Le, Tien N. Nguyen

机构 * FPT Software AI Center（FPT软件人工智能中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Hanoi Univ. of Science and Tech.（河内科学技术大学） ； Texas, USA（得克萨斯州，美国） ； Hanoi, Vietnam（河内，越南） 纠错

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

AI总结 研究可执行检查点规范生成，介绍SpecCoder框架从多种程序学习，能选正确规范拒错误执行。引入HumanExec基准测试，实验表明其提升了检查点规范质量及下游正确性推理和修复能力。

kAgent: An execution-guided crash resolution agent for the Linux kernel

kAgent：一种用于Linux内核的执行引导式崩溃修复代理

Alex Mathai, Chenxi Huang, Suwei Ma, Jihwan Kim, Hailie Mitchell, Aleksandr Nogikh, Petros Maniatis, Franjo Ivančić, Junfeng Yang, Baishakhi Ray

机构 * Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Google Inc.（谷歌公司） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 研究针对Linux内核崩溃修复难题，以内核开发者修复方式为灵感构建kAgent及支持工具栈，通过检查日志等步骤修复崩溃，消融特性定量分析，评估显示其能有效修复多种崩溃。

Comments Accepted to ICML, 2026; in the Deep Learning for Code Workshop. This paper was previously circulated as "CrashFixer"

An Exploration of Agentic Information Fusion for Test Maintenance Prediction

用于测试维护预测的智能信息融合探索

Jingxiong Liu, Nasser Mohammadiha, Gregory Gay

机构 * Chalmers University of Technology and University of Gothenburg（楚德斯技术大学和戈特堡大学） ； Ericsson AB（爱立信有限公司） ； University of Gothenburg（戈特堡大学） 纠错

专题命中 测试生成 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 研究针对测试维护预测问题，提出多智能体框架MAST，通过智能融合多种分析方法及后检查程序，在实际场景中评估，提升了测试维护预测水平。

Evaluating LLM-Based Regression Test Generation

基于大语言模型的回归测试生成评估

Jing Liu, Seongmin Lee, Eleonora Losiouk, Marcel Böhme

机构 * MPI-SP（Max Planck Institute for Software Process Engineering） ； University of California at Los Angeles（加州大学洛杉矶分校） ； University of Padua（帕多瓦大学） 纠错

专题命中 测试生成 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 研究利用大语言模型为特定程序即时生成回归测试，将其作为机器翻译任务，通过对多个项目测试，反馈导向的零样本原型Cleverest表现良好，还探讨了提交消息对其效果的影响。

Comments 23 pages. Published in PACMSE Volume 3, Issue FSE. Artifact of Paper "Evaluating LLM-based Regression Test Generation": https://dl.acm.org/do/10.5281/zenodo.19616584

TATG: Tracking-Aware Testing Objective for LLM-based Test Generation

TATG：基于大语言模型的测试生成的跟踪感知测试目标

Guancheng Wang, Qinghua Xu, Lionel C. Briand

专题命中 测试生成 ：unit test generation(abstract)；分类 cs.SE

AI总结 针对复杂Java方法自动化单元测试生成难的问题，TATG提出基于大语言模型的单元测试生成方法，引入统一目标表示跟踪测试需求，采用两阶段工作流程，实验证明其相比其他方法有显著提升。

Agent4cs: A Multi-agent System for Code Summarization in Large Hierarchical Codebases

Agent4cs：面向大型分层代码库的代码摘要多智能体系统

Yongjian Tang, Ezgi Sarikayak, Doruk Tuncel, Jie M. Zhang, Thomas Runkler

机构 * Siemens AG（西门子股份公司） ； Technical University of Munich（慕尼黑工业大学） ； Kings College London（伦敦国王学院） 纠错

专题命中 测试生成 ：repository(abstract)；分类 cs.AI

AI总结 提出多智能体框架Agent4cs，通过自底向上方式对大型代码库进行摘要，包含摘要、关键词提取和质量保证三个智能体，在语义一致性和关键词覆盖率上分别提升8%和38%。

Comments Accepted to the main track of the 23rd European Conference on Multi-Agent Systems (EUMAS 2026)

Understanding Inference-Time Token Allocation and Coverage Limits in Agentic Hardware Verification

理解代理硬件验证中推理时间标记分配与覆盖限制

Vihaan Patel, Vidya Chhabria, Aman Arora

专题命中 测试生成 ：coding agent(abstract)

AI总结 本文研究了代理硬件验证中推理时间标记分配与覆盖限制，通过两个层级的代理框架，分析覆盖孔径并改进效率，展示领域专业化如何提升覆盖效率。

Lost in Vagueness: Towards Context-Sensitive Standards for Robustness Assessment under the EU AI Act

迷失在模糊性中：迈向欧盟人工智能法案下稳健性评估的上下文敏感标准

Roberta Tamponi, Carina Prunkl, Thomas Bäck, Anna V. Kononova

专题命中 测试生成 ：repository(abstract)

AI总结 研究欧盟人工智能法案下稳健性定义及评估方法不明问题，指出其依赖于多种因素，提出上下文敏感的多层标准化框架，减少解释负担等。

VERITAS: Towards a General-Purpose Replication Tool for Scientific Research

VERITAS：迈向科学研究的通用复制工具

Haokun Liu, Filbert Aurelian Tjiaranata, Chenhao Tan

机构 * University of Chicago（芝加哥大学） ； University of Indonesia（印度尼西亚大学） 纠错

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

AI总结 针对科研成果独立验证难且手工复制慢贵的问题，提出VERITAS框架，围绕CLI编码代理构建，可提取论文主张、运行方法并判断主张，在多领域评估中性能达最优。

Comments 21 pages, 2 figures, 8 tables

ResearchClawBench: A Benchmark for End-to-End Autonomous Scientific Research

ResearchClawBench: 端到端自主科学研究基准

Wanghan Xu, Shuo Li, Tianlin Ye, Qinglong Cao, Yixin Chen, Hengjian Gao, Yiheng Wang, Qi Li, Kun Li, Sheng Xu, Shengdu Chai, Fangchen Yu, Xiangyu Zhao, Zhangrui Zhao, Weijie Ma, Zijie Guo, Koutian Wu, Haoyu Zhou, Haoxiang Yin, Lixue Cheng, Chaofan Hu, Haoxuan Li, Lu Mi, Xuxuan Xie, Yifan Zhou, Ruizhe Chen, Zhiwang Zhou, Xingjian Guo, Yuhao Zhou, Xuming He, Shengyuan Xu, Xinyu Gu, Jiamin Wu, Mianxin Liu, Chunfeng Song, Fenghua Ling, Dongzhan Zhou, Shixiang Tang, Yuqiang Li, Mao Su, Peng Ye, Siqi Sun, Bin Wang, Xue Yang, Zhenfei Yin, Tianfan Fu, Guangtao Zhai, Wanli Ouyang, Bo Zhang, Lei Bai, Wenlong Zhang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出ResearchClawBench基准，包含10个领域40个任务，通过多模态评分标准评估自主科研能力，最强智能体仅得21.5分，揭示当前系统在实验协议、证据匹配和科学核心方面的不足。

Graph Representation Learning of Longitudinal Medical Imaging Trajectories for Treatment Response Prediction

用于治疗反应预测的纵向医学影像轨迹的图表示学习

Johannes Kiechle, Richard Osuala, Daniel M. Lang, Stefan M. Fischer, Ivana Janíčková, Karim Lekadir, Julia A. Schnabel, Jan C. Peeken

机构 * Technical University of Munich（慕尼黑工业大学） ； TUM University Hospital Rechts der Isar（慕尼黑工业大学伊萨尔河右岸大学医院） ； Helmholtz Munich（慕尼黑亥姆霍兹中心） ； Universitat de Barcelona（巴塞罗那大学） ； Medical University of Vienna（维也纳医科大学） ； King’s College London（伦敦国王学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 针对乳腺癌患者新辅助化疗治疗反应预测难题，提出基于影像的3D时空框架，集成图神经网络及时空交互关系建模与新自监督目标，实验表明该方法性能优越，还建立了预测基准并评估相关影响。

Spectral Signatures of Large Language Models

大语言模型的频谱特征

Zhuoying Zhang, Ishan V. Prasad, Yuanzhe Hu, Zihang Liu, Hengrui Luo, Pu Ren, Yaoqing Yang

机构 * Rice University（莱斯大学） ； Dartmouth College（达特茅斯学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） 纠错

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

AI总结 针对大规模管理和量化大语言模型的挑战，采用基于重尾自正则化理论的频谱形状指标，以权重经验谱密度形状信息为模型频谱特征，可用于模型谱系追踪等，还构建语料库进行基准测试。

PACE: A Proxy for Agentic Capability Evaluation

PACE：智能体能力评估的代理框架

Yueqi Song, Lintang Sutawika, Jiarui Liu, Lindia Tjuatja, Jiayi Geng, Yunze Xiao, Daniel Lee, Aditya Bharat Soni, Vincent Lo, Xiang Yue, Graham Neubig

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

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

AI总结 提出PACE框架，通过从非智能体评测中选取原子实例构建代理基准，以低成本高精度预测智能体基准性能，在14个模型上实现MAE<4%、Spearman>0.80。

Is Three the Magic Number? An Empirical Evaluation of LLM-Based Repair Loops

三是神奇数字吗？基于大语言模型的修复循环的实证评估

Tobias Kiecker, Eik Reichmann, Hosung Kang, Gabin An, Lars Grunske

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

AI总结 研究基于大语言模型的修复循环迭代限制，通过多个软件工程任务观察到收益递减模式，前几次迭代收获大，后续贡献小，还发现修复行为受工作流编排和反馈设计影响更大。

Comments 4 Pages (+1 for references), NIER Paper

A Technical Survey of Reinforcement Learning Techniques for Large Language Models

大语言模型强化学习技术的技术综述

Saksham Sahai Srivastava, Vaneet Aggarwal

机构 * University of Georgia（佐治亚大学） ； Purdue University（普渡大学） 纠错

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

AI总结 综述强化学习与语言模型整合，介绍如近端策略优化等算法，分析其在各领域应用，对失败模式算法分析，给出分类法，评估趋势并探讨挑战与新兴方向，为研究提供路线图。

Comments Accepted to ACM Transactions on Intelligent Systems and Technology, June 2026

Dynamic Airspace Management for UAVs in Evolving Urban Environments: Collaborative Coordination and Human Safety

动态空域管理用于不断演变的城市环境中的无人机：协同协调与人类安全

Lin Sun, Yuhang Wang, Fan Meng Hong, Haopeng Chen, Yan Jiao, Yongming Xu

专题命中 代码评测 ：repository(abstract)

AI总结 针对复杂城市环境中无人机安全运行难题，提出协作多无人机空域管理系统Pharos，介于分布式与集中式范式间，采用MAPPO算法，经仿真验证其有效协调能力及在减少人类恐惧、提升空间利用率方面优势。

LLM-Driven CI-CD Workflow Intelligence for Cyber Systems Engineering

面向网络系统工程的由大语言模型驱动的持续集成与持续交付工作流智能

Bonan Shen, Jiazhou Gao, Tao Ning, Wei-Jung Huang, Xin Liu

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究面向网络系统工程的CI/CD工作流智能，通过基于大语言模型的分析管道，结合多种方法处理大量GitHub库数据，发现问题并得出结果，强调CI/CD可观测性应结合诊断、上下文和人工审查。

Using Process Mining to Generate AI Agents from Software Engineering Process Records

利用过程挖掘从软件工程过程记录生成人工智能代理

Saimir Bala, Fabiana Fournier, Lior Limonad, Andreas Metzger

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

AI总结 研究如何在软件工程中结合人工智能代理，面临代理粒度和关注点分离难题。通过过程挖掘，用软件库事件日志发现特定项目代理角色，生成规范与实现，并进行测试和用户研究验证效果。

Comments To be published at the 24th International Conference on Business Process Management (BPM 2026), Process Technology Forum

CONTRA: Red-Teaming Configurations of Personalizable Agents

CONTRA：可个性化代理的红队配置

Jonathan Nöther, Adish Singla, Goran Radanovic

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件研究所） 纠错

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

AI总结 探讨代理配置与执行危险行为风险的关系，提出CONTRA算法，通过推理评估良性但危险的配置发现导致恶意行为的代理配置，构建数据集分析发现多数技能有恶意配置，CONTRA能成功识别部分危险配置。

LGQ: Learnable Geometric Quantization for Image Tokenization

LGQ：用于图像令牌化的可学习几何量化

Idil Bilge Altun, Mert Onur Cakiroglu, Elham Buxton, Mehmet Dalkilic, Hasan Kurban

机构 * Luddy School of Informatics, Computing and Engineering, Indiana University Bloomington（印第安纳大学布卢明顿分校信息学、计算与工程学院） ； Department of Computer Science, University of Illinois Springfield（伊利诺伊大学斯普林菲尔德分校计算机科学系） ； College of Science and Engineering, Hamad Bin Khalifa University, Doha, Qatar（哈马德·本·卡伊夫大学多哈校区科学与工程学院） 纠错

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

AI总结 研究提出可学习几何量化（LGQ），保留可学习码本，通过温度退火进行软到硬分配，用两个低成本项正则化，无需EMA等防止码本崩溃，在图像任务中表现优。

Comparing the Performance of Leading VQE Algorithms for Computing Ground-State Energies of Amino Acids

比较用于计算氨基酸基态能量的领先变分量子本征求解器算法的性能

Sanskriti Shindadkar, Clyde Villacrusis, Jasper Andrews, Brandon Yan

专题命中 仓库级理解 ：repository(abstract)

AI总结 研究通过整合含多种量子计算方法基准的库，应用于模拟氨基酸，从多方面比较不同算法性能，包括噪声抗性、贫瘠高原相关可训练性、自适应与固定量子近似优化对比及精度与表达能力映射。

Comments 15 pages, 17 Figures Code contributions and significant writing and editing contributions by Sanskriti Shindadkar, Clyde Villacrusis, Jasper Andrews Code contributions by Brandon Yan

Video Generation Models as World Models: Efficient Paradigms, Architectures and Algorithms

视频生成模型作为世界模型：高效的范式、架构和算法

Muyang He, Hanzhong Guo, Junxiong Lin, Yizhou Yu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Hong Kong Generative AI Research and Development Center（香港生成式人工智能研究与开发中心） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文系统回顾了考虑效率的世界模拟视频生成框架，提出三维分类方法，展示提升效率对自动驾驶等应用的重要性，并指出高效视频生成向通用世界模拟器演进的关键性。

QR$^2$-code: An open-source program for double resonance Raman spectra

QR$^2$-code：一种用于双共振拉曼光谱的开源程序

Jianqi Huang, Renhui Liu, Ye Zhang, Nguyen Tuan Hung, Huaihong Guo, Riichiro Saito, Teng Yang

专题命中 仓库级理解 ：repository(abstract)

AI总结 QR$^2$-code基于第一性原理计算双共振拉曼光谱，支持双共振、单共振及缺陷诱导光谱计算，并提供图示教程与与其他程序的对比。

Comments 13 pages, 5 figures, 2 tables

Journal ref Comput. Phys. Commun. 320, 110005-1-12 (2026)

Understanding Agent-Based Patching of Compiler Missed Optimizations

理解基于智能体的编译器遗漏优化补丁

Batu Guan, Zirui Wang, Shaohua Li

专题命中 程序分析与验证 ：coding agent(abstract)；分类 cs.SE、cs.AI

AI总结 研究智能体如何为编译器遗漏优化打补丁，发现关键挑战在于泛化而非仅修复报告案例，提出历史知识增强技术以提升泛化能力。

Comments 11 pages, 10 figures