AI 大模型

代码大模型 / AI 编程

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。

2026-08-19 至 2026-08-19 共收录 4 篇信号源：cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 代码评测 4 篇

2608.18062 2026-08-19 cs.CL cs.LG 新提交 62%

TokEval：一个分词器评估套件

Clara Meister

机构 * EPFL（洛桑联邦理工学院）

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

AI总结本研究推出TokEval框架，通过信息论、结构敏感等指标评估分词器，经实验验证其可预测下游模型性能，助力更原则性的分词器评估。

Comments Published as a conference paper at COLM 2026; Library hosted at this https URL (https://github.com/cimeister/tokenizer-intrinsic-evals)

2608.17671 2026-08-19 cs.SE cs.AI cs.CR 新提交 62%

自动化安全补丁回移植基准测试：我们还差多远？

Jincheng Yang, Yulong Fu, Chengwei Liu, Lyuye Zhang, Fangyuan Zhang, Bingyang Ren, Yang Liu, Hui Li

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

AI总结该研究推出涵盖多场景的Porting Benchmark基准，评估五类安全补丁回移植工具，发现工具泛化能力差、复杂补丁性能骤降，明确根本原因并指出优化方向。

Comments 13 pages, 3 figures. Accepted at ASE 2026. Artifact: this https URL (https://doi.org/10.5281/zenodo.21785770)

2608.17524 2026-08-19 cs.LG 新提交 57%

通过可解释强化学习（XRL）方法对修复智能体Bug的帮助程度来评估XRL方法

Ram Rachum, Yotam Amitai, Bálint Gyevnár, Reuth Mirsky, Cameron Allen

机构 * University of California, Berkeley（加州大学伯克利分校）； Tufts University（塔夫茨大学）； Carnegie Mellon University（卡内基梅隆大学）

专题命中代码评测：coding agent(abstract)；分类 cs.LG

AI总结本文提出EvalXRL基准，通过大型语言模型编码智能体结合XRL方法诊断修复RL智能体故障的效果，实现对多种XRL方法的首次闭环直接对比评估。

2608.12805 2026-08-19 cs.LG 版本更新 57%

CoMedBench：合成医疗数据保真度与下游效用的多源基准

Akanta Das, Farhad Al-Amin Dipto, Mrinmoy Sarkar Anto, David Rehkopf, Ayin Vala, Tanmoy Sarkar Pias

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

AI总结 CoMedBench是涵盖多源合成医疗数据的可复现基准，评估多生成器在静态表格和时序ICU任务上的保真度与下游效用，实验显示合成数据可保留多数下游信号，不同生成器表现存在差异。