代码大模型 / AI 编程

GenOS: Compositional Certificates for Semantic Robustness in AI Code Generation

GenOS：AI代码生成中语义鲁棒性的组合式证书

Corrado Priami

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

AI总结 GenOS是针对AI代码生成语义鲁棒性的概率操作语义，通过马尔可夫核与等价关系确保工作流中组件替换的安全性，经实验验证其鲁棒性界与兼容性可测性。

Pattern over Pixels: Measuring Pattern Completion Bias in Multimodal Code Generation

像素上的模式：测量多模态代码生成中的模式完成偏差

Khai-Nguyen Nguyen, Oscar Chaparro, Antonio Mastropaolo

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

AI总结 该研究针对多模态代码生成中存在的模式完成偏差问题，构建了首个视觉模式完成偏差基准，评估发现前沿MLLMs均存在严重偏差，且偏差与视觉显著性密切相关。

Comments 41st IEEE/ACM International Conference on Automated Software Engineering

Route-Align-Verify for Functional Correctness in Code Generation

用于代码生成功能正确性的Route-Align-Verify

Erxue Zhou, Jingxiang Meng, Aofan Liu

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

AI总结 本文提出RAV框架，通过Route、Align、Verify三阶段协同优化，在不修改骨干模型的情况下，于MBPP基准上实现代码生成功能正确性的显著提升，性能优于基础模型。

CodeAssay: A Multi-Metric Benchmark with Audited Ground Truth for LLM Code Generation

CodeAssay：带有审计基准真值的多指标大语言模型代码生成基准

Shahbaz Siddeeq, Muhammad Waseem, Umar Subhan Malhi, Pekka Abrahamsson

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

AI总结 本文提出CodeAssay基准，涵盖185个Python任务，结合多类测试与度量，经审计后发现模型正确性标签有9.0%变化，且验证了多类LLM代码生成的评估特性。

Automated Visualization Code Synthesis via Multi-Path Reasoning and Feedback-Driven Optimization

通过多路径推理和反馈驱动优化实现自动化可视化代码合成

Wonduk Seo, Daye Kang, Hyunjin An, Taehan Kim, Soohyuk Cho, Seungyong Lee, Minhyeong Yu, Jian Park, Yi Bu, Seunghyun Lee

机构 * AI Research, Enhans, Seoul, South Korea Innovation \& Technology, KAIST, Daejeon, South Korea Department of Computer Science, University of California, Berkeley, CA, United States Department of Electrical 纠错

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

AI总结 VisPath通过多路径推理和反馈驱动优化，提升自动化可视化代码生成的可靠性与准确性。

Comments Accepted by International Conference on Pattern Recognization (ICPR 2026)

Journal ref Pattern Recognition. ICPR 2026. Lecture Notes in Computer Science, vol 16812. Springer, Cham

IR2Solve: Structured Intermediate Representations for Cost-Efficient Optimization Autoformulation

IR2Solve：面向成本高效优化自动建模的结构化中间表示

Penglin Zhu, Linhai Zhang, Jungang Xu, Xinchi Wei, Xiuqi Wu

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

AI总结 IR2Solve以结构化中间表示为核心构建优化自动建模流水线，仅用1次LLM语义调用，在保证目标函数正确性的同时大幅降低推理成本，性能优于Chain-of-Experts和SAC-Opt等系统。

Comments 17 pages, 3 figures, 13 tables

LEAP: Lean Environment-Feedback via Adaptive Pruning for Code RL in GPU Kernel Generation

LEAP：面向GPU内核生成的代码强化学习的自适应剪枝轻量环境反馈框架

Tankun Li, Zhi Chen, Yaohua Tang

机构 * Moore Threads（摩尔线程） 纠错

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

AI总结 LEAP是针对GPU内核生成的代码强化学习框架，通过难度条件剪枝与基于排名的奖励公式解决低级代码RL的信号稀疏性等问题，收敛更快且性能更优。

AgentModernize: Preserving Business Logic in Legacy Modernization with Multi-Agent LLMs and Behavioral Specification Graphs

AgentModernize: 通过多智能体LLM和行为规范图在遗留系统现代化中保留业务逻辑

Sheikh Nazib Ahmed, Marnim Galib

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

AI总结 本文提出AgentModernize框架，通过多智能体系统和行为规范图来保留业务逻辑，解决传统方法在遗留系统现代化中丢失隐含规则和交叉模块约束的问题，实验表明该方法在多个场景中表现优异。

Comments 10 pages, 8 tables, 1 figure

Self-Evolving Coding Agents

自进化编码智能体

Hao Zhou, Haichuan Hu, Ye Shang, Quanjun Zhang

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

AI总结 本综述系统梳理自进化编码智能体领域，明确其与传统智能体的区别，提出分类法，分析该领域的挑战，为设计更优智能系统奠定基础。

Permission Denied: Policy-Graded Evaluation of Coding Agents in Hardened Environments

权限受限：强化环境下编码智能体的策略分级评估

Dotan Davidovich, Yair Amar, Hai Rozencwajg, Or Hiltch

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

AI总结 该研究针对强化环境下编码智能体的性能评估问题，在 Terminal-Bench 2.1 上评估 12 个智能体，发现策略强化会导致性能损失且模型选择依赖策略，并发布 Boundary-Bench 插件支持相关评估。

MDArena: Evaluating Coding Agents on Realistic Molecular Dynamics Workflows

MDArena：面向真实分子动力学工作流的编码智能体评估基准

Nithishwer Mouroug Anand, Wei-Tse Hsu, Kyle Vaccaro, Eden James Gage, Jonathan David Colburn, Linda Xi Phan, Minjoon Seo, Kevin Guan, Philip C. Biggin

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

AI总结 MDArena基准评估了6种编码智能体在真实分子动力学任务上的表现，发现其在精细科学工作流细节上存在不足，为追踪其可靠性进展提供了平台。

Comments 17 pages including appendices, 4 figures

MT-Web2Code: Benchmarking Coding Agents on Multi-Turn Regional Reconstruction and Localized Modification

MT-Web2Code：面向多轮区域重构与局部修改的编码智能体基准测试

Qiming Li, Shujie Hu, Haohan Liu, Xiaocheng Feng, Songxiang Liu, Guanglu Wan

专题命中 软件智能体 ：coding agent(title,abstract)

AI总结 MT-Web2Code是首个面向多轮区域重构与局部修改的多模态编码基准，实验发现现有编码智能体存在多轮错误滚雪球等问题，其评估指标或助力相关研究。

From Social Coding to Agentic Coding: Productivity and Relational Reconfiguration in Open-Source Communities

从社交编码到智能体编码：开源社区中的生产力与关系重构

Mengying Zhou, Yongjie Yin, Yang Chen

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

AI总结 该研究基于含1084名开发者的GitHub数据模拟发现，编码智能体（CA）可提升开源社区生产力，但采用率低且收益集中于活跃开发者，还会减少人类直接交互、降低公共知识实用性。

Fail-Fast, Restart-Smart: Early Failure Prediction and Restart for SWE Agentic Tasks

快速失败，智能重启：面向软件工程智能体任务的早期失败预测与重启

Chenyu Wang, Yunbo Lyu, Junda He, Zhou Yang, Chenxing Zhong, Yaniv Harel, David Lo

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

AI总结 本文提出FailFast-RestartSmart两阶段控制器，可在5%假阳性率下节省14.6%-20.4%执行token，在25%假阳性率下将Qwen3.6-27B解决率从66.6%提至71.8%。

BulkPR-Bench: Benchmarking Queue-Level Governance of Interacting Pull Requests

BulkPR-Bench：针对交互拉取请求的队列级治理基准

Zetong Xiong, Qiao Zhao, Jun Zhang, Xueying Lyu, Zhi Li, Yixiang Tu, Xiaowen Yang, Yunjie Zhang, Yufeng Wang, Zhe Zhang, Kaize Yu, Hanwen Du, Zhongkai Sun, Zhuoxin Liu, Zekun Lin, Jianwen Yang, Ruining Chen, Ying Zhang, Tingxuan Pan, Ke Chen, Shubin Han, Chuanhao Sun, Yehua Yang

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

AI总结 该研究推出BulkPR-Bench基准，针对交互PR队列治理，实验显示现有模型在该任务上表现优于顺序基准，但仍存在较大提升空间。

Comments 12 pages, 5 figures. Artifact: https://github.com/Eureka246/BulkPR-Bench-Release ; archived artifact: https://doi.org/10.5281/zenodo.21717780

When Policies Change Probabilities: Modular Decision-Making for LLM Code Review

当策略改变概率时：用于LLM代码审查的模块化决策

Rasvik Kudum, Max Corbett, Hitansh Paliwal, Romaisa Fatima, Thomas Jiralerspong, Sneheel Sarangi

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

AI总结 该研究针对LLM代码审查，测试4种审查界面的策略与概率分离情况，提出模块化流水线可提升概率准确性、降低损失，验证了风险与行动分离评估的必要性。

Comments 20 pages, 6 figures; includes technical appendices. Code and data: https://github.com/rasvik/when-policies-change-probabilities

Internalising the Identity Primitive: Cryptographic Individuality for an Autonomous Agent on a Public Blockchain

内化身份基元：公有区块链上自主智能体的密码学个体性

Keisuke Suzuki

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

AI总结 本文提出将公有区块链上自主智能体的身份密钥-权重绑定信任根转移至密码学假设，在Solana开发网部署了首个身份基元为密码学不变量的链上智能体，完成了2.36天链上运行，实例化了密码学个体性。

Comments 52 pages, 3 figures, 11 tables. Cryptographic key-to-weights binding (W = HKDF(sk) inside Groth16) with an on-chain state-commitment chain on Solana devnet; active-query, homeostatic, and economic-metabolism extensions; 166- and 168-cycle continuous runs. Code, threat model, and per-cycle telemetry: https://github.com/ksk-S/internalising-identity-2026 (tag arxiv-v1)

PRWeaver: Evaluating LLM-Based Code Auditors against Long-Horizon Malicious Pull Requests

PRWeaver：针对基于大语言模型的代码审计工具对抗长周期恶意拉取请求的评估

Yuekun Wang, Mingfei Cheng, Xiaofei Xie

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

AI总结 该研究提出PRWeaver基准，评估基于LLM的代码审计工具对长周期恶意PR的可靠性，发现特定评审策略会降低检测率，为优化代码审计工具提供了依据。

A Study of Library Usage in Agent-Authored Pull Requests

对代理生成的拉取请求中图书馆使用情况的研究

Lukas Twist, Jie M. Zhang

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

AI总结 研究探讨了代理生成的拉取请求中图书馆使用情况，发现代理频繁导入图书馆但很少引入新依赖项，且在引入时遵循严格的版本控制实践。

Comments 5 pages, 3 tables. Accepted at MSR '26 (Challenge Track)

Journal ref 23rd International Conference on Mining Software Repositories: MSR 2026

HyperFL: Query-Adaptive Representation Learning for Software Fault Localization

HyperFL：面向软件故障定位的查询自适应表示学习

Shuai Shao, Yiming Zeng, Yu Zhao, Tingting Yu

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

AI总结 HyperFL是面向软件故障定位的查询自适应表示学习框架，通过轻量级超网络生成查询特定LoRA参数，在真实基准上较SweRank实现检索性能显著提升。

Stylometric Defenses Against Author Impersonation in Software Repositories

针对软件仓库中作者冒充的风格计量防御

Leonid Ravich, Michael Fire

专题命中 程序修复 ：repository(abstract)；分类 cs.SE、cs.LG

AI总结 本研究提出基于跨模态Transformer的补丁级风格计量防御，结合流式异常检测器，在真实供应链事件中高效检测软件仓库的作者冒充行为。

Beyond the Gegenbauer Paradigm: q-Orthogonal Kernels for Machine Learning

超越盖根鲍尔范式：面向机器学习的q正交核

Álvaro Sánchez-Paniagua Ríos, Juan P. Llerena, Alberto Lastra, Nuria Torrado, Edmundo J. Huertas

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

AI总结 该研究提出基于q-厄米特I多项式的新型q正交核，其在20个基准数据集上的性能与经典核及其他正交多项式核相当，且数值稳定性和计算简便性更优，为核设计提供了新方向。

Comments 27 pages, 4 figures, 9 tables. Source code and experimental pipeline available at https://github.com/Kokechacho/SVMs-QSVMs

EffiHolmes: Differential Profiling-Guided Repository Level Time Inefficiency Fix Localization

EffiHolmes：基于差分分析的仓库级时间低效修复定位

Haowen Yang, Yun Peng, Zishuo Ding

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

AI总结 EffiHolmes是基于LLM的仓库级时间低效修复定位框架，通过差分分析等技术提升定位精度，在RepoEffi-Bench上优于多种基线方法，且跨模型规模稳健。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). 13 pages, 3 figures, and 4 tables

LLM Serving in the Wild: An Empirical Study of Frameworks, Methods, and System Designs

野外环境下的大语言模型服务：框架、方法与系统设计的实证研究

Forough Majidi, Mohammad Mehdi Morovati, Foutse Khomh, Heng Li

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

AI总结 本研究通过实证分析开源软件系统中5种LLM服务框架的应用情况，明确了框架使用特点、常用服务方法及应用场景，为相关人员提供了实践见解。

The Ignition Is Real, and It Lives at the Readout: Latent composition, difficulty-clocked ignition, and the interface-constituted commit in a recurrent-depth reasoner

激活是真实存在的，且存在于读出层：循环深度推理器中的潜在组成、难度驱动的激活以及由界面构成的提交

Simon Lam-Muir

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

AI总结 本研究验证潜在推理模型的“组成激活”为真实计算，复现30M参数循环深度推理器，发现激活存在于读出层，决策时边际跃升，隐藏状态方向突变后冻结，撤回早期速度低谷声明。

Comments 9 pages, 2 figures, 3 tables

AgentGUI: An Interface for Observing and Steering Long-Running AI Agents

AgentGUI：用于观测与调控长期运行AI智能体的界面

Xuan Zhao, Jiwoong Sohn, Qinyue Zheng, Michael Moor

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 针对AI智能体观测与调控的界面缺失问题，研究人员推出AgentGUI，通过轨迹可视化、手动自动调控等功能提升智能体任务处理效率，成果已开源。

MambaTS: Improved Selective State Space Models for Long-term Time Series Forecasting

MambaTS：用于长期时间序列预测的改进型选择性状态空间模型

Xiuding Cai, Xueyao Wang, Yaoyao Zhu, Yu Yao

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

AI总结 MambaTS是基于线性扫描的改进型选择性状态空间模型，以Mamba为骨干，通过VAST和TMB等技术解决LTSF问题，在8个公开数据集上取得了优异预测性能。

Comments Accepted by Pattern Recognition 2026