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。
通过质量感知偏好学习增强大语言模型生成代码的非功能质量合规性
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.SE、cs.AI
AI总结 针对LLM生成代码存在的非功能质量合规性问题，提出质量感知偏好学习框架，通过三阶段方法提升代码合规性，在保持功能正确的同时实现显著性能提升，具备良好实用价值。
基于代码生成模型的高效代码嵌入
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Jina AI GmbH（Jina AI公司）
专题命中 代码生成 ：code generation(title)；分类 cs.CL、cs.AI
AI总结 研究提出jina-code-embeddings代码嵌入模型套件，采用文本与代码预训练的自回归主干及最后token池化，以较小规模实现最优性能，可用于代码检索、问答及相似代码识别。
Comments 9 pages. Accepted at the NeurIPS 2025 Workshop on Deep Learning for Code (DL4CODE)
对软件工程任务中投机解码的实证研究
专题命中 代码生成 ：code generation(abstract)；repository(abstract)；分类 cs.SE
AI总结 本文通过实证研究评估了投机解码在软件工程任务中的有效性，发现其在代码生成、修复和编辑任务中表现各异，模型基于方法适合生成，模型无关方法更适合仓库级任务，且任务重复性提升模型无关方法性能。
Comments Accepted by ISSTA 2026
Aletheia: 什么使得代码验证器的RLVR有效？
机构 * INSAIT, Sofia University "St. Kliment Ohridski", Bulgaria（保加利亚索菲亚大学INSAIT实验室） ； Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science, Technical University of Darmstadt and National Research Center for Applied Cybersecurity（德累斯顿技术大学计算机科学系及应用网络安全国家研究中心通用知识处理实验室） ； ATHENE, Germany（德国ATHENE研究院）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.AI
AI总结 通过消融实验研究RLVR训练代码验证器时，中间思考轨迹、负样本学习和策略内训练三个因素在不同规模下的性能-成本权衡，发现最优配方依赖于模型规模。
采用AI编码智能体的规范优先收敛：在71.7万行代码库中拆解189个文件的核心架构不变量的案例研究
专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.SE、cs.AI
AI总结 本文通过案例研究，展示AI编码智能体在规范优先协议下，成功在71.7万行代码库中拆解核心架构不变量，耗时3天、成本2430美元，修正201个缺陷，涉及189个文件。
Comments 14 pages, 4 figures, 3 tables. v2: added plain-text log URLs in Section 10 for LLM readability
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
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
进化代理群体
机构 * National University of Singapore（新加坡国立大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出EvE框架，通过进化编码代理群体实现算法发现，解决了传统方法的局限，展示了自修正群体在复杂代码库中的优势。
Aether.jl：一种用动态语言编写、具备人机交互开发框架的高性能三维磁流体与多流体尘埃代码
专题命中 软件智能体 ：coding agent(abstract)
AI总结 Aether.jl是一款用Julia编写的高性能三维磁流体与多流体尘埃代码，采用交互式人机开发框架，单GPU性能优于C++代码，在Frontier超算4096个GCD上并行效率超93%，支持CPU、GPU运行，已公开。
Comments 25 pages, 16 figures
构建数字社会作为生态系统：认可与重复关系如何维持开源中的跨社区工作
专题命中 软件智能体 ：repository(abstract)
AI总结 通过分析464个网络安全项目和11372名贡献者的二部图，利用Louvain社区检测和逻辑斯蒂轨迹，研究开源生态系统中跨边界协作的识别与重复关系机制。
Comments 52 pages (main text + supplementary material), 5 main figures, 13 supplementary figures, 2 main tables. Submitted to EPJ Data Science. Data and code: this https URL (https://doi.org/10.17605/OSF.IO/5RWEK)
重新思考自动程序修复：缺陷复杂度、缺陷定位与大语言模型成本效率的影响
专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE、cs.AI
AI总结 本研究通过实证分析，发现中等复杂度缺陷可超50%由低成本LLM修复，不精确缺陷定位会扩大APR技术差距，高成本LLM与强推理设置并非总能提升成本效率，DeepSeek-V3.2成本效率最优。
Comments 20 pages, 6 figures, 10 tables. Accepted at ESEM 2026
自bootstrap自动程序修复：利用LLMs生成和评估合成训练数据以修复bug
机构 * Departamento de Ciencias de la Computación, Universidad de Alcalá（阿尔卡拉大学计算机科学系）
专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE、cs.AI
AI总结 本文提出一种利用LLMs生成合成数据提升自动程序修复的方法，通过生成和评估代码bug与修复代码的配对示例，提升修复准确率，实验显示在VulRepair数据集上Top@1和Top@5表现显著提升。
Comments Final published version in the Expert Systems with Applications journal. Volume 319, 5 July 2026, 132154. DOI: this https URL (https://doi.org/10.1016/j.eswa.2026.132154)
AutoWorldModel-Bench：面向自动化世界模型研究的以状态为中心的基准
机构 * Electronic Arts（美国艺电公司） ； Simon Fraser University（西蒙菲莎大学）
专题命中 代码评测 ：coding agent(abstract)；分类 cs.AI
AI总结 AutoWorldModel-Bench是面向AI编码智能体的闭环基准，涵盖8个游戏环境，采用结构化状态表征，64次会话中多数智能体通过研究式修改改进了世界模型，可评估智能体的开放式研究能力。
Comments Project page: this https URL (https://electronicarts.github.io/AutoWorldModelBench/)
通过合成任务扩展实现AI科学家
机构 * Princeton University（普林斯顿大学） ； Microsoft Research（微软研究院）
专题命中 代码评测 ：code generation(abstract)；分类 cs.AI
AI总结 本文提出一种合成环境生成管道，用于训练能从实践中学习的机器学习代理。通过真实数据集验证和自调试循环，生成高质量合成任务，提升Qwen3-4B和Qwen3-8B在MLGym上的性能，AUP指标分别提升9%和12%。
持久递归世界支持自主软件演化
专题命中 仓库级理解 ：repository(abstract)；coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 该研究提出 Genesis 框架，以持久递归世界替代持久智能体，成功构建 C 编译器、重实现 MESA 模块，实现长周期软件开发并获显著性能提升。
LlamaRec-LKG-RAG：一种用于基于大语言模型的排序的单遍可学习知识图谱-RAG框架
专题命中 仓库级理解 ：repository(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 该研究提出LlamaRec-LKG-RAG框架，将个性化知识图谱上下文集成到LLM推荐排序中，经ML-100K等数据集实验，在MRR等指标上较LlamaRec取得提升，为知识感知个性化推荐奠定基础。
表示签名与LLM交易智能体中的风险反馈对齐
机构 * Virginia Tech（弗吉尼亚理工大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 通过TradeArena测试平台研究LLM交易智能体在金融决策中的行为对齐与表示动态，发现故障前表示签名（规划嵌入漂移、流形有效秩收缩）并验证风险反馈作为外部对齐信号的有效性。
模型反演攻击：方法与对策综述
机构 * Hong Kong Baptist University（香港 Baptist 大学） ； The University of Sydney（悉尼大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本综述针对模型反演攻击，综合分析其在多领域的有效性及神经网络的脆弱性，对比攻击与防御的多维度要素，明确建模与优化挑战并维护相关研究知识库。
MiniGPT-反向设计：利用MiniGPT-4预测图像调整
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文通过扩展和微调MiniGPT-4，使其可应用于给定源图像、编辑后图像及可选文本描述来预测图像编辑操作与参数的反向设计任务，验证了现成VLMs在复杂多模态任务中的可扩展性。
Comments 8 pages, 7 figures
识别脆弱节点并检测恶意纠缠模式以应对量子网络中的st连通性攻击
专题命中 仓库级理解 ：repository(abstract)
AI总结 本文提出量子方法用于识别量子网络中维持目标连接的重要节点，并利用量子支持向量机检测恶意纠缠攻击，提升量子网络安全性。
Comments 13 pages, 6 figures, 8 sections, 50 references. Revised and extended version of a paper that appeared in the proceedings of the 40th IFIP International Conference on ICT Systems Security and Privacy Protection (IFIP SEC 2025), Maribor, Slovenia, May 21-23, 2025
自旋-S伊辛模型与q态波茨模型的符号算子增长与递归方法
专题命中 仓库级理解 ：repository(abstract)
AI总结 该研究通过符号算子增长与递归方法，精确计算了不同维度自旋-$S$伊辛模型和$q$态波茨模型的自关联函数矩，验证了通用算子增长假说，为无限温度自旋动力学的准经典方法提供了依据。
Comments 24 pages, 4 figures
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