AI 大模型
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。
展示GenDB：通过大语言模型代理实现实例优化和定制化查询处理代码生成
机构 * Cornell University（康奈尔大学）
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究针对传统查询处理引擎扩展难题，提出GenDB生成式查询引擎，借助大语言模型代理生成代码。核心方法是通过LLM agents为特定场景生成优化代码，主要贡献是展示其工作流程、性能优势并提供用户探索平台。
Comments Accepted by VLDB 2026 (Demo)
MKEvolve：用于内核代码生成的模块化多智能体框架
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.AI
AI总结 针对硬件加速器内核代码生成瓶颈，MKEvolve框架通过迭代共同进化PyTorch模块分解与子模块内核，经拆分融合优化分解并以束搜索改进子内核，实验证明其在正确性、加速及减少LLM令牌使用上有优势。
PennySynth：基于RAG的数据合成用于自动量子代码生成
机构 * eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（eBRAIN实验室，工程系，纽约大学阿布扎比分校） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute（量子与拓扑系统中心（CQTS），NYUAD研究所） ； Department of Computer Science and Engineering, NYU Tandon School of Engineering（计算机科学与工程系，纽约大学坦顿工程学院）
专题命中 代码生成 ：code generation(title)；分类 cs.CL、cs.AI
AI总结 提出PennySynth框架，通过检索增强生成和代码感知嵌入，利用13,389个PennyLane指令-代码对数据集，在QHack竞赛中实现52%-68%的pass@5，显著提升量子代码生成的结构有效性和功能正确性。
Comments Accepted at the IEEE International Conference on Quantum Computing and Engineering (QCE), 2026
用于 CUDA 内核生成的具有结构和性能感知奖励的多轮强化学习
机构 * Iowa State University（爱荷华州立大学） ； Cisco AI Research（思科人工智能研究院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对 CUDA 内核生成，提出 CudaPerf 框架，结合可验证执行奖励与结构代码感知奖励，分离线排序和在线训练两阶段，利用执行反馈迭代细化，通过实验证明其显著优于基线，在加速和正确性上有大幅提升。
WaveformQA：对数字波形上的大语言模型时间推理进行基准测试
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI
AI总结 研究大语言模型对数字波形的时间推理能力，提出开源问答基准WaveformQA，含360个不同难度问题，波形由开源设计生成。评估发现模型在简单查询有准确率，但复杂问题上因窗口限制等性能下降，JSON表示可提高准确率，框架支持扩展实验。
Comments 10 pages; abridged version published in IEEE International Conference on LLM-Aided Design (ICLAD), 2026
使用大语言模型扩展闭环特征通道配置
机构 * University of Würzburg（维尔茨堡大学） ； Computer Vision Lab, CAIDAS & IFI（计算机视觉实验室，CAIDAS与IFI）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 研究用大语言模型扩展闭环特征通道配置，将搜索设置扩展到每个微调周期250个候选网络，分析大量候选网络，发现准确率呈正线性趋势，参数效率提高，还揭示了架构规律，表明通道搜索信号可转移。
Comments 15 pages, 8 figures
Learn2Zinc：微调小型语言模型以实现MiniZinc中的文本到模型翻译
机构 * AI Center of Excellence, Fidelity Investments（富达投资卓越人工智能中心） ； Department of Computer Science, Brown University（布朗大学计算机科学系）
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI
AI总结 研究针对小型语言模型在MiniZinc文本到模型翻译的难题，提出跨模型错误引导方法，收集语法错误构建训练数据集微调模型，提升执行准确率至98%，虽语法可学但约束推理仍具挑战，且开源相关资源供后续研究。
Comments CP 2026 Workshop on LLMs meet Constraint Solving
用慢速基础模型训练快速机器人策略
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出VGRS方法，通过利用慢速基础模型训练快速机器人策略，结合LLM生成奖励与视觉分析诊断，提升机器人在复杂任务中的表现和部署效率。
一种由大语言模型驱动的工作流程，用于从动态过程模型自动生成和调整过程控制策略
机构 * Imperial College London（帝国理工学院） ； University College London（伦敦大学学院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 该研究提出由大语言模型驱动的工作流程，用于从动态过程模型自动生成和调整控制策略，将设计任务分解为多步骤，经执行验证和修复，在气体预热器基准测试中生成控制结构与环境，贝叶斯优化降低闭环性能目标约26.5%，证明方法可行性。
轻量级大语言模型剖析
机构 * Graduate School of Science and Engineering, Saitama University（埼玉大学理工学研究科） ； ITIS, University of Malaga（马拉加大学信息技术与系统研究所）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 研究轻量级大语言模型在资源受限环境中的情况，提出基于PTME的实验框架，通过硬件级测量联合测量精度、时间、内存和能耗，对一组模型进行测试，发现代理描述符不足，揭示非主导配置，为不同资源下选模型提供指导。
自回归语言模型的可处理分层控制
机构 * University of Edinburgh（爱丁堡大学）
专题命中 代码生成 ：program synthesis(abstract)；分类 cs.AI
AI总结 研究如何约束自回归大语言模型生成，核心方法是将其提炼为可处理概率模型，利用有限时长$LR(k)$文法可多项式时间计算满足情况的特性，实现对LLM生成的有效约束与引导，确保输出满足形式句法约束。
Comments 21 pages, 4 figures, 2 algorithms
用于忠实表示干预的概念集中化
机构 * SAIC Centre, USYD（SAIC中心）
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG
AI总结 研究大语言模型表示干预中定位忠实概念的问题，提出概念集中化（COCA）方法，通过重构训练数据简化决策边界，有效降低分布内和分布外越狱成功率，且在常规任务上保持性能。
Comments ICML'26; Hongzheng and Yongqiang contributed equally; project page: https://causalcoat.github.io/coca
传递而非存储：线索锚定工作记忆作为编码代理的一种约束属性
专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.SE、cs.AI
AI总结 研究编码代理记忆问题，提出基于认知文献的两层设计理论及线索锚定记忆模型，通过实际编码任务评估，表明传递而非存储是关键，可靠记忆通道应让代理无需思考，给出相关实验结果及贡献。
IssueTrojanBench：针对恶意问题请求对人工智能编码代理进行基准测试
机构 * Concordia University（康科德大学）
专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.SE、cs.AI
AI总结 研究针对恶意问题请求对人工智能编码代理进行基准测试，通过构建包含多种攻击类别和交付向量的新型基准IssueTrojanBench，发现现代编码代理存在关键漏洞，强调需更强安全机制保护。
Comments 10 pages, 4 figures, 4 tables
PRO-LONG：程序化内存实现长程推理
机构 * Duke University（杜克大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI
AI总结 针对长程任务中LLM智能体的挑战，提出PRO-LONG框架，通过程序化内存管理上下文，保留交互日志并利用编码智能体进展高效搜索历史，在ARC-AGI-3上有显著提升，减少令牌使用并达到高准确率。
RIME：实现大规模智能后期制作
机构 * Dartmouth College（达特茅斯学院）
专题命中 软件智能体 ：coding agent(abstract)
AI总结 研究针对音乐后期制作问题，引入RIME框架，利用POEMS工具包生成配对数据，评估多模态语言模型，展示其通过监督微调提升智能体性能，是迈向迭代音乐智能体、变革音乐制作的早期步骤。
用于基础设施即代码生成的智能语言模型的验证优先评估
专题命中 代码评测 ：code generation(title)；分类 cs.SE、cs.AI
AI总结 研究针对自然语言生成基础设施即代码的问题，对七种智能策略在特定基准测试上进行验证优先评估，通过多种方法得出如主动检索提升性能、迭代优化有收敛效果等五个主要发现，为相关研究提供了重要参考。
Comments 26 pages, 3 figures, 17 tables. Benchmark dataset available at https://huggingface.co/datasets/iac-eval-v2/iac-eval-v2
腾讯工作伙伴基准测试：一个具有抗污染任务构建的多领域编码智能体基准测试
机构 * Tencent（腾讯） ； Youtu Lab（腾讯优图实验室） ； Keen Security Lab（腾讯安全科恩实验室） ； Workbuddy（腾讯工作伙伴） ； Yunding Security Lab（腾讯云鼎实验室）
专题命中 代码评测 ：repository(abstract)；coding agent(abstract)；分类 cs.SE、cs.CL
AI总结 介绍腾讯工作伙伴基准测试这一多领域编码智能体评估套件，核心是统一评估框架，任务经反向设计防污染，数据集公开，四个子集探测工作不同方面，以统一格式和协议运行，还给出跨模型排行榜。
Comments 30 pages, 9 figures. Project page: https://workbuddybench.com/ ; code: https://github.com/Tencent/workbuddy-bench ; dataset: https://huggingface.co/datasets/tencent/workbuddy-bench
人工智能代理真的能完成从RTL到GDS的转换吗？基准测试工具交互式EDA工作流程的经验教训
专题命中 代码评测 ：coding agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究探讨人工智能代理在EDA工作流程中的表现，提出FluxBench进行系统评估，涵盖多种场景并评估多项能力，引入Token ROI指标。结果显示不同代理系统架构性能有差距，特定领域技能不是提升性能的唯一关键，系统设计和基础模型能力也很重要。
ADABORD：一种用于有序分类的新型AdaBoost方法
机构 * IMIBIC（IMIBIC（初级保健临床流行病学研究部）） ； Universidad de Córdoba（科尔多瓦大学） ； Universidad Loyola Andalucía（安达卢西亚洛约拉大学）
专题命中 代码评测 ：repository(abstract)；分类 cs.LG
AI总结 研究有序分类问题，提出ADABORD框架，将类别顺序特性融入AdaBoost算法关键组件，在TOC-UCO库与七种方法比较，实验表明其显著优于竞品，尤其在多类数据集上，且公开代码等方便后续研究。
Comments 42 pages, 6 figures, 7 tables. Submitted to CS top tier journal
CANN基准测试：针对真实NPU和算法限制对代理生成的内核进行基准测试
机构 * Huawei（华为）
专题命中 代码评测 ：repository(abstract)；分类 cs.AI
AI总结 研究针对人工智能代理生成的算子内核在Ascend NPU上缺乏通用评估基线的问题，提出CANN Bench基准测试，涵盖多算子和测试用例，采用三维加权综合评分，为Ascend生态系统提供评估算子编写能力的标准。
ICAE-Bench：将编码智能体评估为交互式项目构建者
机构 * Meituan（美团）
专题命中 仓库级理解 ：coding agent(title,abstract)；repository(abstract)；分类 cs.AI
AI总结 研究针对编码智能体在交互式项目构建中作用转变，现有基准未跟上的问题，提出ICAE-Bench基准。从模糊需求出发，经自动化用户智能体模拟动态范式，引入避免需求模糊性、确保用户模拟质量、公平评估开放式仓库的关键设计。
是什么、在哪里以及如何：解开任务、语言和模型在代码模型表示中的作用
机构 * University College London（伦敦大学学院）
专题命中 程序分析与验证 ：code model(title)；分类 cs.CL、cs.LG
AI总结 研究独立训练的语言模型在代码表示上的情况，通过2x2设计扩展概念电路提取方法，测量语法概念，发现任务决定概念获专用电路，模型决定电路位置及增长方式，还得出如Rust与Python电路差异等结论，为后续测试奠定基础。
Comments 16 pages, 11 figures, 6 tables. Code: https://github.com/piotrwilam/Atlas2x2 ; dataset: https://huggingface.co/datasets/piotrwilam/Atlas2x2
最佳证据：部分验证下的最佳N选择
机构 * IQuest Research（IQuest研究公司） ； INSAIT（INSAIT公司） ； Technical University of Denmark（丹麦技术大学）
专题命中 其他AI编程 ：code model(abstract)；分类 cs.LG
AI总结 研究视觉语言任务中部分验证问题，提出最佳证据（BoE）推理时选择框架，保持候选池固定，用图表示主张并分配预算，形式化部分验证选择，有实用控制器，实验表明其能改进选择并揭示相关限制。
Comments 3 figures, 28 pages
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈