代码大模型 / AI 编程

CodeCoR: An LLM-Based Self-Reflective Multi-Agent Framework for Code Generation

CodeCoR：一种基于大语言模型的代码生成自反思多智能体框架

Ruwei Pan, Hongyu Zhang, Chao Liu

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

AI总结 研究针对代码生成中语言模型无法确保代码正确性及多智能体框架工作流性能不稳健的问题，提出CodeCoR框架，通过在不同阶段修剪中间输出减少错误传播，实验证明其优于现有基线。

MoT: Modularization-of-Thought Prompting for Effective Code Generation

MoT：用于有效代码生成的思维模块化提示

Ruwei Pan, Hongyu Zhang

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

AI总结 研究针对大语言模型代码生成中现有提示技术不足，提出MoT技术，利用模块化原则分解问题，用MLR图构建推理过程，经实验对比六种基线技术，在八个基准上显著提升代码生成性能，Pass@1分数达58.1%至95.1%。

Improving Code Understanding in Large Language Models through Concept-Aware Consistency Learning

通过概念感知一致性学习提高大语言模型中的代码理解能力

Xiaoning Ren, Qiang Hu, Wei Ma, Chongyang Liu, Yan Li, Yao Zhang, Lingxiao Jiang, Yongqiang Lyu, Yinxing Xue

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

AI总结 研究针对大语言模型对基本编程概念理解浅的问题，引入结合概念感知调整的反事实代码增强框架，经多模型和基准综合评估，证明此方法能引导大语言模型增强概念理解，有效提升其在代码相关任务中的表现。

Comments To appear at IJCAI 2026

Not All Tokens Matter: Data-Centric Optimization for Efficient Code Summarization

并非所有标记都重要：面向高效代码摘要的数据导向优化

Saima Afrin, Zaiyu Cheng, Tushar Sharma, Alexander Serebrenik, Massimiliano Di Penta, Antonio Mastropaolo

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

AI总结 本研究探讨了系统提示对代码生成任务中ILMs和CLMs性能的影响，发现模型规模越大影响越显著，少样本提示效果优于零样本提示，且Java对提示变化更敏感。

RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources

RESOURCE2SKILL: 从人类创建的多模态资源中提取可执行智能体技能

Yijia Fan, Zonglin Di, Zimo Wen, Yifan Yang, Mingxi Cheng, Qi Dai, Bei Liu, Kai Qiu, Yue Dong, Ji Li, Chong Luo

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft（微软） 纠错

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

AI总结 提出RESOURCE2SKILL框架，从教程视频、代码库、文章等人类多模态资源中提取可执行技能，构建分层多模态技能维基，提升智能体在七个领域的任务表现。

CHIA: An open-source framework for principled, agentic AI-driven hardware/software co-design research

CHIA: 一个用于原则性、智能体AI驱动的硬件/软件协同设计研究的开源框架

Angela Cui, Ferran Hermida-Rivera, Jack Toubes, Raghav Gupta, Jim Fang, Chengyi Lux Zhang, Ella Schwarz, Junha Kim, Yakun Sophia Shao, Borivoje Nikolic, Christopher W. Fletcher, Sagar Karandikar

专题命中 软件智能体 ：coding agent(abstract)

AI总结 提出CHIA开源框架，通过有向循环图表达智能体AI驱动的协同设计流程，支持多种工具集成，实现可扩展、容错的大规模协同设计研究。

Evidence-Aware MapReduce for Forkable Compute

玻尔兹曼MapReduce：可分叉沙盒的配分函数归约

Yossi Eliaz

机构 * Incredibuild（Incredibuild公司） ； HIT CS Department（以色列理工学院计算机科学系） 纠错

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

AI总结 研究在局部渐近正态性下工作节点发出的置信密度，指出其为吉布斯 - 玻尔兹曼测度，逆温度是样本大小。高斯/线性下相关结果精确，MapReduce归约是配分函数，还有频率主义一致性等结论。

Comments N/A

Evaluating LLM-Based 0-to-1 Software Generation in End-to-End CLI Tool Scenarios

评估基于LLM的从零开始软件生成在端到端CLI工具场景中的表现

Ruida Hu, Xinchen Wang, Chao Peng, Cuiyun Gao, David Lo

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Independent Researcher, China（独立研究者，中国） ； Singapore Management University, Singapore（新加坡管理大学） 纠错

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

AI总结 本文提出CLI-Tool-Bench基准，用于评估从零生成CLI工具的能力，发现顶级模型成功率低于43%，指出生成代码倾向单体化。

Comments Data link: https://github.com/kinesiatricssxilm14/CLI-Tool-Bench

Perception-Aligned AI Outputs: End-to-End Visual Prediction for Uncertainty Communication in Clinical Decision-Making

感知对齐的人工智能输出：临床决策中用于不确定性通信的端到端视觉预测

Mohammad Eslami, Solale Tabarestani, Saber Kazeminasab, Ehsan Adeli, Glyn Elwyn, Tobias Elze, Mengyu Wang, Nazlee Zebardast, Lucia Sobrin, Nassir Navab, Daniel Shu Wei Ting, Malek Adjouadi

机构 * Harvard Ophthalmology AI Lab（哈佛眼科人工智能实验室） ； Schepens Eye Research Institute of Massachusetts Eye and Ear（马萨诸塞眼耳医院施佩恩眼科研究所） ； Harvard Medical School（哈佛医学院） ； Center for Advanced Technology and Education（先进教育技术中心） ； Florida International University（佛罗里达国际大学） ； Dartmouth Institute for Health Policy and Clinical Practice（达特茅斯健康政策与临床实践研究所） ； Dartmouth College（达特茅斯学院） ； Computer Aided Medical Procedures（医学辅助程序） ； Technical University of Munich（慕尼黑技术大学） ； Singapore Eye Research Institute（新加坡眼科研究所） ； Singapore National Eye Centre（新加坡国家眼科中心） ； Department of Ophthalmology, Byers Eye Institute, Stanford University（眼科部门，比尔斯眼科研究所，斯坦福大学） 纠错

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

AI总结 研究针对医疗保健中可解释人工智能的问题，提出以人为本的机器学习可视化学习框架VL4ML，通过直观视觉表示传达模型预测与不确定性，经多临床任务验证及评估，结果显示其能有效支持临床决策，具有广泛可及性。

cGAP: Generalized Association Plots with HOMALS-Guided Heatmaps for Visualization of High-Dimensional Categorical Data

cGAP：用于高维分类数据可视化的带HOMALS引导热图的广义关联图

Chun-houh Chen, Shun-Chuan Chang, Chiun-How Kao, Yi-Ju Lee, Shang-Ying Shiu, Yin-Jing Tien, ShengLi Tzeng, Han-Ming Wu

机构 * Institute of Statistical Science, Academia Sinica（学术院统计研究所） ； Department of Statistics, National Taipei University（台北国立大学统计系） ； Holistic Education Center, Mackay Medical University（Mackay医学院整体教育中心） ； Department of Statistics and Data Science, Tamkang University（淡江大学统计与数据科学系） ； Institute for Information Industry（资讯产业研究院） ； Department of Applied Mathematical and Graduate Institute of Statistics, National Chung Hsing University（中正大学应用数学及统计研究所） ； Department of Statistics, National Chengchi University（中正大学统计系） 纠错

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

AI总结 研究针对高维分类数据可视化工具不足的问题，提出cGAP框架，利用HOMALS嵌入数据并集成多视图，经序列化算法揭示数据结构，推导相关属性，通过多领域应用展示其多功能性，为研究复杂分类数据集提供可视化环境。

Comments 23 pages, 9 figures, 3 tables

NEUROSYMLAND: Neuro-Symbolic Landing-Site Assessment for Robust and Edge-Deployable UAV Autonomy

NEUROSYMLAND: 面向鲁棒且可边缘部署的无人机自主着陆的神经符号着陆点评估

Weixian Qian, Tianyi Yang, Sebastian Schroder, Yao Deng, Jiaohong Yao, Xiao Cheng, Richard Han, Xi Zheng

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） ； Department of Computer Science, University of California（加州大学计算机科学系） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出NEUROSYMLAND系统，结合轻量感知与符号推理进行着陆点评估，在模拟和硬件在环测试中优于基线方法，实现边缘部署下的鲁棒性与可解释性。

Comments Accepted to the IROS 2026

Journal ref roceedings of the ACM on Software Engineering, Vol. 3, FSE, Article FSE146, July 2026. Article FSE146 (July 2026)

Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code

生成式编译：人工智能生成代码时的即时编译器反馈

Niels Mündler-Sasahara, Hristo Venev, Dawn Song, Martin Vechev, Jingxuan He

机构 * ETH Zurich（苏黎世联邦理工学院） ； Sofia University ``St. Kliment Ohridski''（索菲亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 程序分析与验证 ：repository(abstract)；分类 cs.AI、cs.LG、cs.PL

AI总结 研究针对人工智能生成代码时的问题，提出生成式编译方法，核心是sealor技术，能在生成中获取编译器反馈，在Rust编码任务中评估，减少非编译输出、提高功能正确性，使编译器在生成阶段发挥更重要作用。