代码大模型 / AI 编程

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。

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

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。

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。

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。

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

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%。

LLM Agents Factory: Retrieval of Domain-Specific LLM Agents

LLM智能体工厂：领域特定大语言模型智能体的检索

Vitalii Belov, Artyom Sosedka, Andrey Sakhovskiy, Elizaveta Kovtun, Artyom Boyarskikh, Semen Budennyy

机构 * Sber AI ； Moscow Institute of Physics and Technology（莫斯科物理技术学院） ； National University of Science and Technology MISIS（莫斯科国立科学技术大学MISIS） ； Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所） ； Artificial Intelligence Research Institute（人工智能研究所） 纠错

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

AI总结 本研究提出LLM Agents Factory框架，通过检索2万余个预设智能体配置文件按需构建领域特定智能体，在多基准测试中实现高准确率与低推理成本，为工业应用提供动态智能体生成的替代方案。

Comments 7 pages, 1 figure, SIGIR 2026

myMediWhisper: Construction of Burmese Medical Speech Corpus and Whisper Fine-Tuning for Clinical Dialogue ASR

myMediWhisper：缅甸医疗语音语料库的构建及面向临床对话自动语音识别的Whisper微调

Ye Kyaw Thu, Ye Bhone Lin, Thura Aung, Htet Arkar, Myat Oo Swe, Thet Htet San, Min Thiha Tun, Thazin Myint Oo, Thepchai Supnithi

机构 * National Electronics and Computer Technology Center (NECTEC)（国家电子与计算机技术中心） ； King Mongkut’s University of Technology Thonburi（国王蒙固科技大学吞武里分校） ； King Mongkut’s Institute of Technology Ladkrabang（国王蒙固科技学院叻甲邦分校） 纠错

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

AI总结 本研究构建28小时缅甸医疗语音语料库，通过全微调（FFT）和带LoRA的PEFT微调Whisper，提升其在医疗对话ASR中的性能，最优模型WER达23.44%，优于更大的通用领域微调模型。

A Quantum Dynamics Tutorial: Visualising Dynamical Decoupling Sequences on the Bloch Sphere

量子动力学教程：在布洛赫球上可视化动力学去耦序列

Charlie J. Patrickson, Isaac Bailey, Antonio Orazzo, Luca Dellantonio, Isaac J. Luxmoore

专题命中 仓库级理解 ：repository(abstract)

AI总结 本教程从实验视角出发，借助布洛赫球可视化动力学去耦序列的量子动力学，阐明相干时间定义，提供开放脚本以助力新研究者掌握该量子控制工具。

GitSkills: A Dataset of Agent Skills on GitHub

GitSkills：GitHub上的智能体技能数据集

Giuseppe Destefanis, Daniel Graziotin, Matteo Vaccargiu, Marco Ortu

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

AI总结 本文提出GitSkills数据集，包含从28.22万个公开GitHub代码库收集的379.7117万个智能体技能相关文件，为智能体技能的多维度研究提供了数据支撑。

Comments Giuseppe Destefanis, Daniel Graziotin, Matteo Vaccargiu, and Marco Ortu. 2027. GitSkills: A Dataset of Agent Skills on GitHub. In Proceedings of the 24th International Conference on Mining Software Repositories (MSR '27). Association for Computing Machinery, New York, NY, USA, 3 pages. To appear