代码大模型 / AI 编程

What You See Is What You Get: Observation-Aligned Supervision for Chart-to-Code Generation

所见即所得：图表到代码生成的观察对齐监督

Tianhao Niu, Qingfu Zhu, Wanxiang Che

机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究中心） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 研究图表到代码生成，指出用参考绘图脚本监督微调存在问题，引入观察对齐监督框架，用视觉观察约束量替代潜在原始数据目标，实验证明可提升可观察值恢复。

Security Tests as Executable Specifications for LLM Code Generation: Benefits, Trade-offs, and Coverage Limits

安全测试作为LLM代码生成的可执行规范：益处、权衡与覆盖范围限制

Yunhao Liang, Chengguang Gan, Ruixuan Ying, Hanjun Wei, Zhe Cui, Shiwen Ni

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

AI总结 该研究提出将安全测试作为LLM代码生成的可执行规范，开发SecTDD框架，通过多维度评估发现预先展示可见测试可提升联合成功率，结构化反馈修复效果更优但益处受多因素影响。

BashCoder-R1: Towards Robust and Explainable Bash Code Generation with Robustness-Aware Group Relative Policy Optimization

BashCoder-R1: 面向鲁棒且可解释的Bash代码生成——鲁棒感知组相对策略优化

Lei Yu, Peng Wang, Jia Xu, Jingyuan Zhang, Xin Wang, Jiajia Ma, Li Yang, Changzhi Deng, Zenghua Wang, Fengjun Zhang

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

AI总结 提出BashCoder-R1框架，结合持续预训练、长思维链监督微调和鲁棒感知组相对策略优化，在BashBench基准上实现高语法通过率、低鲁棒警告率和功能完整率，显著超越DeepSeek-V3.2。

Comments Accepted to ISSTA 2026

Generative AI use in Statistical Research: A Literature Review and Code Generation Case Study

生成式AI在统计研究中的应用：文献综述与代码生成案例研究

Natalie Morosin, Adel Ahmadi Nadi, Michael P. Wallace

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本研究通过案例研究分析了ChatGPT-5和ScholarAI在统计研究的文献综述与代码生成中的应用，发现其需专业人员提示监督，可作为研究工具但无法替代专业方法论知识。

Is This Your Final Answer? Cross-Contextual Consistency as a Measure of LLM Credibility

这是你的最终答案吗？跨上下文一致性作为大语言模型可信度的度量

Siyang Wu, Yibo Jiang, Bryon Aragam

机构 * University of Chicago（芝加哥大学） 纠错

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

AI总结 该研究提出用跨上下文一致性（C3）度量大语言模型可信度，通过对比26个模型在6个基准上的原始与扰动提示生成结果，发现C3可作为互补评估维度与基准有用性诊断工具。

On Solomonoff Induction in Large Language Models and the Limits of Self-Improving: The Singularity Is Not Near Without Symbolic Model Synthesis

在大型语言模型中自我改进的极限：没有符号模型合成，奇点并不临近

Hector Zenil

机构 * Algorithmic Dynamics Lab（算法动力实验室） ； Department of Biomedical Computing（生物医学计算系） ； School of Biomedical Engineering and Imaging Sciences（生物医学工程与成像科学学院） ； King’s Institute for AI（国王人工智能研究所） ； King’s College London（伦敦国王学院） ； Oxford Immune Algorithmics（牛津免疫算法公司） ； Oxford University Innovation（牛津大学创新中心） ； London Institute for Healthcare Engineering（伦敦医疗工程研究所） 纠错

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

AI总结 研究指出大型语言模型在缺乏外部信号时自我改进会退化，提出神经符号整合方法以突破这一限制。

Comments 31 pages. Update: DPI and Levin's non-growth is not violated explanation when it comes to finite learners

INSIDE the Student's Mind: Jointly Modeling Latent Reasoning and Action in LLM Student Simulators

洞察学生的思维：在LLM学生模拟器中联合建模潜在推理与行动

Rose Niousha, Minwoo Kang, Narges Norouzi

机构 * University of California, Berkeley（加利福尼亚大学伯克利分校） 纠错

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

AI总结 该研究针对LLM学生模拟器仅复现学生行动却未捕捉其潜在推理的问题，提出INSIDE框架，通过在配对思考轨迹与行动上微调LLM，提升了模拟行动保真度与推理对齐度，最高对齐度达57.9%。

Comments Accepted at the Conference on Language Modeling (COLM) 2026

InternAgentHarness: A Scalable Synthetic Environment for Enhancing LLM Agentic Abilities

InternBootcamp 技术报告：通过可验证的任务扩展提升大语言模型推理能力

Xiaozhe Li, Yongkang Chen, Shujian Deng, Peiji Li, Yichuan Ma, Huaxi Huang, Qiye Cai, Tianyi Lyu, Le Ma, Linyang Li, Qipeng Guo, Dahua Lin, Kai Chen

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出InternBootcamp框架，通过可验证的任务扩展方法提升大语言模型的推理能力，为基于强化学习的模型优化、合成数据生成和模型评估提供了基础设施。

Comments InternAgentHarness tech report

Do Personalized Skills Help Coding Agents? An Empirical Study of Developer Interaction Histories

个性化技能对编码智能体有帮助吗？开发者交互历史的实证研究

Shuyan Huang, Kai Du, Andrew Lan

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

AI总结 本研究通过对13位开发者的206个真实会话实验，发现从交互历史提炼的开发者个性化技能改进有限，而汇集自所有开发者的通用技能增益最大且最一致，为编码智能体的个性化策略提供了实证依据。

Comments 15 pages, 10 figures

Understanding the Architecture of Coding Agents: An Exploratory Study Using a Research Prototype

理解编码智能体的架构：一项使用研究原型的探索性研究

Marco Tulio Valente

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

AI总结 本研究通过推出编码智能体Ark及基准ArkBench，探索了编码智能体的架构，用gpt-5.4-mini测试Ark解决10项任务中的8项，还对比了其与先进编码智能体的架构，为相关研究提供基础。

Ouroboros: A Self-Developing Frontier Coding Agent with Reviewed Core Evolution

Ouroboros：一种具有经审核的核心演化机制的自发展前沿编码智能体

Anton Razzhigaev, Andrei Gritsaev, Andrei Kaznacheev, Nikita Dragunov, Roman Yampolskiy, Andrei Kuznetsov

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

AI总结 本研究提出具有经审核核心演化机制的编码智能体Ouroboros，其在三个基准测试中均创最优结果，Hope部署为长期活体演化实验，同时需应对自发展带来的操作安全问题。

A case study of evaluating AI agents on a neuroscience data-to-discovery pipeline

评估AI代理在神经科学数据到发现流程中的案例研究

Kai A. Horstmann, Ethan Lin, Alice A. Robie, Jennifer J. Sun, Kristin Branson

机构 * Cornell University（康奈尔大学） ； HHMI Janelia Research Campus（霍华德·休斯医学研究所贾雷尔研究园区） 纠错

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

AI总结 本研究评估通用编码代理在果蝇光遗传学数据到发现流程中的表现，发现代理能解决单个阶段任务，但端到端流程仍超出其能力，主要挑战包括缺乏预定义迭代标准和科学判断能力。

Comments Peer-reviewed conference paper

Journal ref Third Conference on Language Modeling (COLM 2026)

FlexSQL: Flexible Exploration and Execution Make Better Text-to-SQL Agents

FlexSQL：灵活探索与执行打造更优的文本到SQL智能体

Quang Hieu Pham, Yang He, Ping Nie, Canwen Xu, Davood Rafiei, Yuepeng Wang, Xi Ye, Jocelyn Qiaochu Chen

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

AI总结 FlexSQL是一种文本到SQL智能体，通过灵活的数据库交互机制，在Spider2-Snow数据集上使用gpt-oss-120b取得65.4%得分，优于相关基线，集成到Claude Code中可实现超10%的相对提升

Comments Published at COLM 2026

MEGA: Self-Evolving Agent Optimization Infrastructure via Wisdom Graph

MEGA：基于智慧图的自进化智能体优化基础设施

Jung Hwan Lee, Kyu Ho Lee, Gwang Hoon Yoo

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

AI总结 MEGA是一种自进化智能体优化基础设施，通过三层架构实现智慧积累、组合推理与自进化，可系统性优化异构智能体系统，将优化与知识进化融为一体。

Comments 29 pages, 10 figures. Technical report

One Recipe, Many Harnesses: What Self-Evolution Encodes Across Languages and Models

一个方案，多种适配：自演化在不同语言和模型中编码了什么

Siqi Yang, Qianlan Yang, Yu-Xiong Wang, Saurabh Pujar, Martin Hirzel

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

AI总结 该研究固定演化方案，在八种编程语言和三个基础模型上分析自演化适配工具，发现其为语言需求与模型差距共同塑造的补偿层，可提升编码智能体性能并能蒸馏为通用工具。

Comments 20 pages, 12 figures, 9 tables. Includes appendix

SBCO: Self-Supervised, Verifier-Grounded Harness Optimization For Planning Agents

SBCO：面向规划智能体的自监督、验证器驱动的工具链优化器

Vivek Kulkarni, Sudipta Paul, Aounon Kumar, Nicholas Tzou, Srinivas Chappidi

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

AI总结 本研究针对规划任务提出SBCO，一种自监督的验证器驱动工具链优化器，其性能优于或相当的定制基线，且计算成本仅为其1/4至1/5.5。

OpenCodeReview: Determinism over Non-Determinism for Cost-Effective Agent-Based Code Review

OpenCodeReview：面向成本效益型智能体代码评审的非确定性转确定性方案

Zhengfeng Li, Lei Zhang, Xianwei Wu, Zhengqi Zhuang, Yingjie Xu, Boge Wang, Shaofei Zhu, Chuan Wang, Peng Zhao, Xinyu Zheng, Guoping Rong

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

AI总结 OpenCodeReview针对LLM代码评审智能体的非确定性与上下文局部性缺陷，通过在三个流水线节点注入确定性，在AACR-Bench上实现SEM-F1提升且大幅降低令牌消耗，性能优于主流编码智能体。

Higher-order hopping-parameter expansion by human-AI collaboration

通过人机协作的高阶跳跃参数展开

Masakiyo Kitazawa, Tatsuya Wada

专题命中 软件智能体 ：coding agent(abstract)

AI总结 利用trie数据结构开发高效算法，计算SU(N_c)规范构型上Tr ln M的跳跃参数展开高阶项，成本可控且经可靠验证，强调人机协作的关键作用。

Comments 7 pages, 1 figure, Substantial revision, including major algorithmic improvements

CausalRepair: Bridging the Causality Gap in Large Language Model-Based Automated Program Repair via Dual-Slicing

CausalRepair：通过双重切片弥合基于大语言模型的自动化程序修复中的因果差距

Linhao Wu, Yizhou Chen, Zhen Yang, Pengyu Xue, Dan Hao

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

AI总结 CausalRepair是基于最小因果上下文的对话驱动型自动化程序修复框架，通过双重切片策略构建因果相关上下文，在Defects4J数据集上修复313个漏洞，性能优于现有方法且修复成本更低。

CHORUS: Complementary Experts for High-Coverage Testbench Stimulus Generation

CHORUS：用于高覆盖率测试平台激励生成的互补专家

Hejia Zhang, Sheng Lu, Zhongming Yu, Chia-Tung Ho, Brucek Khailany, Jishen Zhao

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

AI总结 该研究针对芯片设计中高覆盖率测试平台激励生成任务，提出CHORUS后训练框架，整合分阶段SFT与密集奖励RL得到的互补专家，构建4B模型，在CVDP-ECov上的Pass@1指标优于671B参数的DeepSeek-R1。

RACE-Bench: A Reasoning-Augmented Benchmark for Repository-Level Code Agents on Feature Addition

一个用于评估具有中间推理的仓库级代码代理的基准测试：在特性添加任务上

Shuhan Liu, Zhiyi Zhao, Xing Hu, Kui Liu, Xiaohu Yang, Xin Xia

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

AI总结 本文提出RACE-bench基准，用于评估仓库级代码代理在特性添加任务中的推理能力，通过执行补丁验证和结构化中间推理地面真相，分析代理的推理质量与实现步骤转换性能。

Forensic Reproducibility Audit of a Radiology Vision-Language Model Benchmark: From Intended Protocol to Released Artifact

放射学视觉语言模型基准的法证可重复性审计：从预期协议到发布工件

Mateusz Kozłowski

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

AI总结 对胸部X光视觉语言模型试点进行法证可重复性审计，追踪提示绑定等多方面情况，发现存在图像渲染、数据分割等问题，重建队列改变统计值，撤回原声明并指定机器可验证控制。

Comments Withdrawn by the author. On further review, the archived artifacts underlying this audit are too incomplete to support the reported statistics, and the paper's conclusions do not follow from the available evidence. The work is withdrawn in full; earlier versions should not be cited

InfiniteScienceGym: An Unbounded, Procedurally-Generated Benchmark for Scientific Analysis

InfiniteScienceGym：一个无界的、程序生成的科学分析基准

Oliver Bentham, Vivek Srikumar

机构 * Kahlert School of Computing（卡勒特计算学院） 纠错

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

AI总结 本文提出InfiniteScienceGym，通过程序生成科学仓库和可验证问答任务，评估证据推理、回避和工具分析能力，发现现有模型在回答不可答问题上存在显著缺陷。

Comments 31 pages, 5 figures, 8 tables. Accepted to COLM 2026. See https://infinitesciencegym.github.io/

The Evaluation Protocol Determines the Result: An Independent Reproduction of LeWorldModel on TwoRoom

评估协议决定结果：在TwoRoom上独立复现LeWorldModel

Joyjeet Singh

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

AI总结 本研究独立复现LeWorldModel在TwoRoom上的结果，发现评估协议（如目标偏移量）会显著影响性能，还揭示单步预测准确率无法预测长程规划成功、批量归一化层会夸大验证损失等关键结论。

Comments Independent reproduction of arXiv:2603.19312 - https://github.com/joyjeet-singh/tinylab

Optimized Sequential Testing for Binary Ensemble Classifiers

二元集成分类器的优化序贯测试

Joseph Kalman, Amit Moscovich

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

AI总结 提出一种序贯测试方法，通过提前停止基模型评估来降低二元集成分类器的计算成本，同时控制与完整集成的不一致率，并利用线性规划求解最优停止策略。

Comments 33 pages, 5 figures

The Periodic Table of LLM Reasoning: A Structured Survey of Reasoning Paradigms, Methods, and Failure Modes

LLM推理的周期表：推理范式、方法与失败模式的结构化综述

Avinash Anand, Mahisha Ramesh, Avni Mittal, Ashutosh Kumar, Rishitej Reddy Vyalla, Erik Cambria, Zhengkui Wang, Timothy Liu, Aik Beng Ng, Simon See, Rajiv Ratn Shah

机构 * Singapore Institute of Technology（新加坡理工大学） ； Nvidia AI Center (SNAIC)（英伟达人工智能中心（SNAIC）） ； MIDAS Lab, IIIT Delhi（IIIT德里MIDAS实验室） ； MIDAS Lab, IIT Mandi（IIT曼迪MIDAS实验室） ； Owl Autonomous Imaging, Inc.（Owl自主成像公司） ； College of Computing & Data Science, NTU Singapore（新加坡南洋理工大学计算与数据科学学院） ； NVIDIA AI Technology Centre, Singapore（英伟达新加坡人工智能技术中心） ； Department of Computer Science and Engineering, IIT Kanpur（IIT坎普尔计算机科学与工程系） 纠错

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

AI总结 本文系统综述了300多篇论文，提出LLM推理研究的结构化分类法，涵盖多种推理范式，分析方法论趋势，并总结常见限制与失败模式，旨在为开发更鲁棒、可解释和可泛化的推理系统提供参考。

AMELI: Angular Matrix Elements of Lanthanide Ions

AMELI: 镧系离子的角矩阵元

Reinhard Caspary

专题命中 代码评测 ：repository(abstract)

AI总结 提出基于Slater行列式基和Racah分类的通用框架，计算f^N组态中任意球张量算符的角矩阵元，并构建开源数据库AMELI，以精确算术消除浮点误差，替代传统半经验计算表格。

Comments v2: Abstract, introduction and conclusion rewritten to clarify the novelty and intention of this work. Added Wybourne crystal field Hamiltonians in Section IV G. Improved phase synchronization in Section V B. New Section IX "Application Examples" v3: Minor errors and typographic flaws corrected

Entropy-based Code Adversarial Translation for Real-world Repository Migration

基于熵的代码对抗翻译用于真实仓库迁移

Yushun Tang, Yisen Cao, Zhicheng Chen, Lin Peng, Junkang Mao, Fengyi Song, Yantao Jia

专题命中 仓库级理解 ：repository(title,abstract)；code generation(abstract)；program repair(abstract)；分类 cs.SE、cs.AI

AI总结 针对LLM迁移仓库难达可运行状态的问题，提出多智能体框架ECAT，引入A2H-RepoBench基准，迁移质量达74.7%且优于现有方法。

When Repository Labels Are Not Image-Level Truth: A Supervision Auditing Framework for Chest Radiograph AI

当仓库标签并非图像级真值：面向胸部X光AI的监督审计框架

Yesika Alexandra Agudelo-Londoño, Jhon Wilmer Pino-Román, Brahian Carrera Rodríguez, José Miguel Castañeda-Bedoya, Juan Pablo Gómez-López, Aura C. Puche-Sarmiento, Niharika S. D'Souza, Juan Sebastian Osorio-Valencia, Jon E. Duque-Grajales, Jazmín Ximena Suárez-Revelo, Jorge Mario Vélez-Arango, Gabriel Castrillón

专题命中 仓库级理解 ：repository(title,abstract)

AI总结 针对胸部X光仓库标签非图像级真值的问题，提出RSA框架，以MIMIC-CXR心脏肥大数据为例发现其标签与专家评估一致性极低，用专家精选队列训练的DenseNet121模型达0.853的ROC-AUC，强调监督审计的重要性。

Comments Accepted (oral) at the 3rd MICCAI Student Board (MSB) EMERGE Workshop, MICCAI 2026. This is the authors' version; the final authenticated version will appear in Springer Lecture Notes in Computer Science (LNCS). 10 pages, 3 figures

Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding

CLAUDE.md 为何不断膨胀？智能体编码中的灾难性记忆

Kushal Chakrabarti

机构 * South Park Commons（南公园社区） 纠错

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

AI总结 该研究针对智能体编码中提示文件无限制膨胀的问题，提出通过提示注释消除多余指令，可使现实中智能体指令遵循能力提升多达23.1%。