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。
FronTalk: 以多模态反馈进行对话式代码生成的前端开发基准测试
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Duke University（杜克大学）
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.SE、cs.CL、cs.LG
AI总结 提出FronTalk基准，通过多轮对话和多模态反馈（文本与视觉指令）评估前端代码生成，发现模型存在遗忘和视觉反馈理解困难，提出AceCoder方法有效减少遗忘并提升性能。
Comments CoLM 2026
像人类一样优化CUDA：微剖析工具作为基于LLM的GPU内核优化的专家替代品
机构 * Amazon（亚马逊） ； Siemens（西门子） ； University of Minnesota（明尼苏达大学）
专题命中 代码生成 ：code generation(abstract)；coding agent(abstract)；分类 cs.LG
AI总结 提出KernelPro闭环多智能体系统，通过LLM代码生成与硬件剖析反馈及可插拔瓶颈检测工具迭代优化GPU内核，在KernelBench上实现2.42x/4.69x/5.30x加速比，并首次兼顾能效优化。
MetaLint: 代码检查的易到难泛化
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.CL、cs.LG
AI总结 MetaLint通过元学习框架将代码检查转化为指令遵循任务，能根据自然语言规范评估代码是否符合最佳实践，实现无需重新训练的泛化能力，且在不同编程语言和场景中表现优异。
修订还是重新解决？多LLM流水线中第二轮收益的分解
机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.CL、cs.AI
AI总结 本文通过控制实验分解多LLM流水线的第二轮收益，发现其收益取决于任务结构、草稿质量和信息类型，不同任务需不同策略。
Comments In Proceedings Of COLM 2026
Routesplain：面向软件相关任务的可信赖且可干预的路由方法
机构 * Columbia University（哥伦比亚大学） ； Oracle AI
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.CL、cs.LG
AI总结 Routesplain是首个面向软件相关任务的LLM路由工具，通过提取可解释概念路由，在8项软件任务上的16种LLM中，其性能优于单个模型且不逊于黑盒基线，可提升响应质量并降低成本。
Comments Accepted to COLM 2026
代理探索与可重用引导：基于代理引导更新信号的模块化大语言模型训练后范式
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对大语言模型训练后优化信号耦合问题，提出PUST框架，通过代理模型探索、提取并传输相对改进信号，解耦更新信号探索与分布对齐，减少计算开销，支持异步处理与跨模型转移，提升训练后范式的模块化、可重用性与效率。
Themis: 训练鲁棒的多语言代码奖励模型以实现灵活的多标准评分
机构 * UKP Lab, TU Darmstadt and National Research Center for Applied Cybersecurity ATHENE（UKP实验室，德累斯顿理工大学及应用网络安全国家研究中心ATHENE）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.LG
AI总结 本文提出Themis-CodeRewardBench基准，评估多语言多标准代码奖励模型，训练了Themis-RM系列模型，展示了其在多语言迁移和多标准训练中的优势。
StitchCUDA：一种基于规则的多智能体端到端GPU编程框架与基于代理的强化学习
机构 * Department of Computer Science\&Engineering, University of Minnesota-Twin Cities, Minnesota, USA ； Department of Electrical Engineering, University of Minnesota-Twin Cities, Minnesota, USA
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.PL
AI总结 StitchCUDA通过基于规则的多智能体强化学习，实现了端到端GPU编程的高效生成与验证，显著提升了性能和准确性。
重新审视数据污染在代码智能中的影响
机构 * Shandong University（山东大学） ； Institute of Software, Chinese Academy of sciences（中国科学院软件研究所） ； City University of Hong Kong（香港城市大学） ； Columbia University（哥伦比亚大学） ； Peking University（北京大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.AI
AI总结 本文重新审视了数据污染对代码智能模型的影响，发现不同模型在不同污染场景下的表现差异显著，挑战了污染必然导致性能高估的传统观点。
从接口到推理：从任意阶模型中引出任意阶推理
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Harvard University（哈佛大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG
AI总结 该研究针对离散推理任务的任意阶推理需求，提出两种掩码扩散改进方法，训练对应模型验证了方法可诱导任意阶推理行为并提升下游性能。
RankGuide: 张量秩引导的路由与引导以实现高效的推理
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Intel Labs（英特尔实验室）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 RankGuide通过张量秩引导的路由与引导提升小推理模型与大推理模型的协作效率，减少推理延迟并提高准确性。
在LLM推理扩展中采样多样性的影响
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； The Chinese University of Hong Kong（香港中文大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； NEC Laboratories America（NEC美国实验室）
专题命中 代码生成 ：code generation(abstract)；分类 cs.LG
AI总结 本文研究了在LLM推理扩展中采样多样性对性能的影响，通过理论和实验证明多样化的采样能提升模型表现，并在不同任务中实现了显著的增益。
Comments 31 pages
基于量词消去的SAGIN中多层卸载乘积的精确DC表示
专题命中 代码生成 ：code generation(abstract)
AI总结 针对SAGIN任务卸载的非凸规划问题，通过量词消去得到精确DC表示，结合CCP实现SOCP可解，较SGP提速8.9倍且达近全局解。
图形代理：用于科学代理的结构化执行图
机构 * School of Computer Science, McGill University（计算机科学学院，麦吉尔大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 El Agente Gráfico通过结构化执行图和类型安全机制，实现科学代理的高效自动化，适用于复杂计算任务。
VideoCoCo：基于智能体双引擎系统的、以代码为思维链（CoT）的物理一致性视频生成方法
机构 * CUHK（香港中文大学） ； USTC（中国科学技术大学） ； SCUT（华南理工大学） ； HKU（香港大学） ； NTU（南洋理工大学） ； PKU（北京大学） ； SJTU（上海交通大学） ； CMU（卡内基梅隆大学） ； THU（清华大学） ； HUST（华中科技大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI
AI总结 VideoCoCo作为智能体双引擎框架，以可执行Blender代码为过程级思维链，构建专属数据集提升视频编辑器适配性，在两个基准上显著优于基线，实现了高质量物理一致性视频生成。
Comments 15 pages, 3 figures, and 3 tables
FlashRT：用于引导智能体部署实时多模态应用的智能体框架
机构 * Carnegie Mellon University（卡内基梅隆大学） ； AMD（超威半导体公司） ； University at Buffalo（纽约州立大学水牛城分校）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.LG
AI总结 研究实时多模态应用部署难题，提出FlashRT智能体框架。通过新范式引导编码智能体多阶段转换，将参考实现转为高效部署，在不同GPU上显著提升性能，尤其在专家优化不成熟平台更具扩展性。
ContextSniper: AntTrail的令牌高效代码记忆用于仓库级程序修复
机构 * Huawei（华为） ； HKUST(GZ)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
专题命中 程序修复 ：program repair(title,abstract)；repository(title,abstract)；分类 cs.AI
AI总结 提出ContextSniper，一种令牌高效的代码记忆层，通过精准证据选择、混合检索排序和意图感知上下文门控，在SWE-bench Lite上减少51.5%令牌使用和36.4%成本，修复率仅轻微下降。
LAUDE: 基于LLM的硬件设计单元测试生成与调试
机构 * Dept. of Electrical and Computer Engineering, University of Illinois Chicago（伊利诺伊大学芝加哥分校电子与计算机工程系） ； Microsoft（微软公司）
专题命中 测试生成 ：unit test generation(title,abstract)；分类 cs.SE、cs.AI
AI总结 LAUDE利用大语言模型能力，实现硬件设计的单元测试生成与调试，有效检测和修复设计中的错误。
Comments 11 Pages, 9 Figures, 9 Tables Submitted to AAAI 2027
从推理到代理：大型语言模型强化学习中的信用分配
机构 * Independent Researcher（独立研究员）
专题命中 测试生成 ：repository(abstract)；分类 cs.CL
AI总结 本文探讨了大型语言模型强化学习中信用分配问题，总结了47种方法，并提出了可重用的资源，指出从推理到代理的转变使信用分配更加复杂，推动了新的方法发展。
Comments 50 pages, 4 figures. v3: expanded to a unified 69-paper corpus through July 31, 2026; adds restored-state identification results, blind coding of a 42-paper full-text subset, a source-located reporting audit, the CA-ID Card, and replay-fidelity analysis
ATLAS: 大规模软件生态系统的智能体分类体系
机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Nankai University（南开大学） ； Sinosoft Company Limited（中软国际有限公司）
专题命中 代码评测 ：repository(abstract)；分类 cs.SE、cs.CL
AI总结 提出ATLAS框架，结合LLM全局知识与实际仓库分布，通过智能体协作和自修正循环自动构建软件仓库的层次化分类体系，在54,387个GitHub仓库上评估，分类质量F1达83.13%，优于基线15个百分点。
Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)
超越问题：评估大型语言模型（实际）知道什么
机构 * ScaDS.AI Dresden/Leipzig & TU Dresden, Germany（ScaDS.AI 德尔布兰德/莱比锡及德累斯顿技术大学，德国）
专题命中 代码评测 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 提出开放知识评估新范式，通过开放式提示（如“告诉我关于M.L. King的一切”）评估模型自然表达的知识，并构建BeQu基准测试10,000个实体。
SciVisAgentBench：用于评估科学数据分析和可视化代理的基准测试
机构 * University of Notre Dame（圣母大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； University of Utah（犹他大学） ； University of Nebraska–Lincoln（内布拉斯加大学林肯分校） ； The Ohio State University（俄亥俄州立大学） ； Argonne National Laboratory（阿贡国家实验室） ； Anthropic PBC
专题命中 代码评测 ：coding agent(abstract)；分类 cs.AI
AI总结 本文提出SciVisAgentBench，一个用于评估科学数据可视化代理的基准测试，涵盖四个维度，包含108个案例，结合LLM和确定性评估器进行多模态评估，揭示代理能力差距。
Comments IEEE Transactions on Visualization and Computer Graphics (IEEE VIS '26)
VIGIL：应对图像再上下文化中的幻觉检测
机构 * Wroclaw University of Science and Technology（沃拉茨拉夫大学科学与技术学院）
专题命中 代码评测 ：repository(abstract)
AI总结 VIGIL通过细粒度分类填补多模态模型图像再上下文化中幻觉检测的空白，提出多阶段检测流程并公开资源促进透明度。
Comments 19 pages, 8 figures, 7 tables. Code and data are available at: https://github.com/mlubneuskaya/vigil and https://huggingface.co/datasets/joannaww/VIGIL
SkillClaw: 让技能与代理进化者共同进化
机构 * DreamX Team（DreamX团队）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 SkillClaw通过聚合多用户交互数据，实现技能的集体进化，提升代理在现实场景中的性能。
科学与软件的相互影响：跨语料库分析研究如何塑造软件以及软件如何赋能研究
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 通过构建包含6980万条边的跨语料库图，链接软件仓库与学术文献，分析科学对软件的影响（如可重复性工具）和软件对科学的影响（如机器学习基础设施），发现直接引用稀疏且依赖复用与引用计数的相关性较弱。
AutoRefine: 从轨迹到可重用的专业知识为连续LLM代理优化
机构 * alibaba（阿里巴巴集团）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 AutoRefine通过提取和维护双重形式的经验模式，提升连续LLM代理的知识积累与维护效率，实现98.4%的准确率提升。
Comments 7 pages, 2 figures, 3 tables
战略进化理论：具有内生参与者和战略复制者的博弈
机构 * Institute of American Constitutional Thought and Leadership（美国宪法思想与领导力研究所） ； University of Toledo（托莱多大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出战略进化理论，引入具有内生参与者的博弈，定义进化稳定智能分布，通过跨层增益矩阵构建战略层层次结构，证明相关封闭性及定理，可用于分析人工智能部署动态等，揭示人格工程问题及稳定多智能体系统的宪法约束。
Comments 171 pages. Formalized in Lean 4 with Mathlib: 240 theorems in the elaborated environment, 141 audited headline results, cold-compiling from a clean checkout with zero custom axioms. Source, theorem-by-theorem contract, and reproducible axiom audit: https://github.com/selfreferencing/TSE_Formal. Companion to Agentic Capital
SIP: 构建阶段碎片化3D扫描数据集——用于语义分割和场景理解
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 SIP数据集通过碎片化3D扫描反映施工现场实际约束，为建筑场景的语义分割和理解提供高质量基准数据。
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