代码大模型 / AI 编程

Toward Inclusive AI-Driven Development: Exploring Gender Differences in Code Generation Tool Interactions

迈向包容性AI驱动的开发：探索代码生成工具交互中的性别差异

Manaal Basha, Ivan Beschastnikh, Gema Rodriguez-Perez, Cleidson R. B. de Souza

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

AI总结 本研究以39名性别均衡的开发者为对象，探究CGTs交互的性别差异，发现CGTs可降低认知负荷、提升复杂编码任务绩效，且对不同性别用户的核心编程表现无显著影响。

Comments Stage 2 RR under review at EMSE. The accepted Stage 1 protocol is publicly archived on OSF (DOI: this https URL (https://doi.org/10.17605/OSF.IO/TCFJR) )

SeqFeed: Improving Agentic RTL Code Generation with Sequential Behavior Feedback

SeqFeed：通过顺序行为反馈改进智能体RTL代码生成

Yuxin Du, Juxin Niu, Tao Hu, Xi Wang, Zhe Jiang, Nan Guan

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

AI总结 针对智能体RTL代码生成的时序信息传递难题，本研究提出含SeQuery和SeGraph机制的SeqFeed，通过满足三项反馈要求提升LLM的RTL代码生成通过率。

Large Language Model for Verilog Code Generation: Literature Review and the Road Ahead

用于Verilog代码生成的大型语言模型：文献综述与未来方向

Guang Yang, Wei Zheng, Xiang Chen, Dong Liang, Peng Hu, Yukui Yang, Shaohang Peng, Zhenghan Li, Jiahui Feng, Xiao Wei, Kexin Sun, Deyuan Ma, Haotian Cheng, Yiheng Shen, Xing Hu, Terry Yue Zhuo, David Lo

机构 * Zhejiang University \& Northwestern Polytechnical University China ； Northwestern Polytechnical University China ； Nantong University China ； Zhejiang University China ； Monash University Australia ； Singapore Management University Singapore ； Zhejiang University \& Northwestern Polytechnical University ； Northwestern Polytechnical University ； Nantong University ； Zhejiang University ； Monash University ； Singapore Management University 纠错

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

AI总结 本文综述了LLMs在Verilog代码生成中的应用，分析了现有方法的有效性、局限性及未来研究方向。

Comments Accept in ACM Computing Surveys

r2py: AI-Assisted Conversion of R Statistical Packages to Python

r2py：用于AI辅助将R统计包转换为Python的框架

Yufei Cai, Jun Li

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

AI总结 本文提出r2py，这是Claude Code环境中首个七阶段AI辅助方法，可将R包系统转换为数值保真的原生Python库，在KernSmooth包上实现的r2py_kernsmooth通过518项测试，有效数字一致性达6-10位。

Comments v2: substantially extended. Adds a second case study (rpart) reached through R's.Call() interface, and a five-phase prologue reconstructing the portion of R's C API the package uses so its original C compiles without R. v1 covered KernSmooth only. Title shortened

ContextSniper: AntTrail's Token-Efficient Code Memory for Repository-Level Program Repair

ContextSniper: AntTrail的令牌高效代码记忆用于仓库级程序修复

Chiwang Luk, Matin Mohammad Najafi, Zhifeng Jia, Wei Yang, Xiuchang Li, Jinwei Zhu, Yang Ren, Lei Chen, Gao Cong

机构 * Huawei（华为） ； HKUST(GZ)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） 纠错

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。

SkillNet: Create, Evaluate, and Connect AI Skills

SkillNet: 创建、评估和连接AI技能

Yuan Liang, Ruobin Zhong, Haoming Xu, Chen Jiang, Yi Zhong, Runnan Fang, Jia-Chen Gu, Shumin Deng, Yunzhi Yao, Mengru Wang, Shuofei Qiao, Yida Xue, Xin Xu, Tongtong Wu, Kun Wang, Yang Liu, Zhen Bi, Jungang Lou, Yuchen Eleanor Jiang, Hangcheng Zhu, Gang Yu, Haiwen Hong, Longtao Huang, Hui Xue, Chenxi Wang, Yijun Wang, Zifei Shan, Xi Chen, Zhaopeng Tu, Feiyu Xiong, Xin Xie, Peng Zhang, Zhengke Gui, Lei Liang, Jun Zhou, Chiyu Wu, Jin Shang, Yu Gong, Junyu Lin, Changliang Xu, Hongjie Deng, Wen Zhang, Keyan Ding, Qiang Zhang, Fei Huang, Ningyu Zhang, Jeff Z. Pan, Guilin Qi, Haofen Wang, Huajun Chen

机构 * Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Southeast University（东南大学） ； Alibaba Group（阿里巴巴集团） ； Tencent（腾讯） ； Fudan University（复旦大学） ； The University of Edinburgh（爱丁堡大学） ； Monash University（墨尔本大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Huzhou University（湖州大学） ； Hornor Device Co., Ltd（Hornor设备有限公司） ； Hangzhou Institute for Advanced Study, UCAS（杭州先进研究所，UCAS） 纠错

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

AI总结 SkillNet通过统一的本体和多维评估机制，大规模创建、评估和连接AI技能，提升代理性能并促进技能的持久掌握。

Comments this http URL (http://skillnet.openkg.cn/;) add SkillNet-Gym, a benchmark for evaluating skill retrieval, utilization, composition, and SkillNet-Fabric for task-specific skill routing through lightweight Wikis

Contrasting Cost-Agnostic and Cost-Sensitive Losses under Limited Model Capacity via $\mathcal H$-consistency

有限模型容量下基于$\boldsymbol{\textit{\textit{\textbf{H}}}}$-一致性的成本无关与成本敏感损失对比

Jessica Finocchiaro, Sanket Shah, Milind Tambe

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

AI总结 本文针对有限模型容量场景，通过$\boldsymbol{\textit{\textit{\textbf{H}}}}$-一致性建立了成本无关与成本敏感损失的性能差距，在UCI分类数据集上验证了该差距的存在，解释了成本敏感方法提升性能的理论成因。

Comments Significant update from version 1

Calabi-Yau Orientifold Hypersurfaces and their F-theory Uplifts

Calabi-Yau 定向折叠超曲面及其 F-理论提升

Bjoern Hassfeld, Jakob Moritz

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出算法构造 Calabi-Yau 三维流形定向折叠及其 F-理论提升为椭圆纤维化 Calabi-Yau 四维流形，嵌入环面簇中，并计算四维流形周期和七膜超势。

Comments 51 pages + appendices, v2: Improved statistics, figures added and new database referenced