代码大模型 / AI 编程

SimSCOOD: Systematic Analysis of Out-of-Distribution Generalization in Fine-tuned Source Code Models

Hossein Hajipour, Ning Yu, Cristian-Alexandru Staicu, Mario Fritz

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

Comments 19 pages, 6 figures

Beyond "What to Retrieve": Uncertainty in Retrieval-Augmented Code Generation

超越“检索什么”：检索增强代码生成中的不确定性

Chandan Kumar Sah, Li Zhang, Xiaoli Lian

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

AI总结 研究存储库级代码生成中异构证据不确定性问题，提出不确定性感知框架OpenCoder，通过估计特定源不确定性来过滤和排序证据以指导相关操作，实验表明其能提高输出正确性，支持将不确定性作为可操作控制信号。

Comments 9 pages, 4 figures. Source code and supporting materials are available at https://github.com/Rocky5502/OpenCoder_V1

RepoZero: Can LLMs Generate a Code Repository from Scratch?

RepoZero: LLMs能否从零开始生成代码仓库？

Zhaoxi Zhang, Yiming Xu, Jiahui Liang, Weikang Li, Xiaoshuai Chen, Liwei Qian, Xin Pei, Jizhou Huang, Run Sun, Yunfang Wu

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

AI总结 本文提出RepoZero基准测试，通过自动化执行验证实现从零开始生成代码仓库的严格评估，展示了Agentic Code-Test Evolution框架在多模型上的实验结果，揭示了当前LLM在代码生成能力与实际需求之间的差距。

Contextualized Code Pretraining for Code Generation

基于上下文的代码预训练用于代码生成

Chen Liu, Qingyuan Liang, Hanwen Zhang, Zeyu Sun, Yakun Zhang, Lu Zhang

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

AI总结 本文提出了一种基于上下文的代码预训练方法，通过整合调用上下文来改进代码生成模型的训练和评估，实验表明该方法在代码生成任务中表现优异。

CLEVER: A Curated Benchmark for Formally Verified Code Generation

Amitayush Thakur, Jasper Lee, George Tsoukalas, Meghana Sistla, Matthew Zhao, Stefan Zetzsche, Greg Durrett, Yisong Yue, Swarat Chaudhuri

机构 * UT Austin（得克萨斯大学） ； Amazon（亚马逊） ； Caltech（加州理工学院） 纠错

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

VeriCoder: Enhancing LLM-Based RTL Code Generation through Functional Correctness Validation

Anjiang Wei, Huanmi Tan, Tarun Suresh, Daniel Mendoza, Thiago S. F. X. Teixeira, Ke Wang, Caroline Trippel, Alex Aiken

机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Intel Corporation（英特尔公司） ； Nanjing University（南京大学） 纠错

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

Do Large Code Models Understand Programming Concepts? Counterfactual Analysis for Code Predicates

Ashish Hooda, Mihai Christodorescu, Miltiadis Allamanis, Aaron Wilson, Kassem Fawaz, Somesh Jha

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

Improving Code Generation by Training with Natural Language Feedback

Angelica Chen, Jérémy Scheurer, Tomasz Korbak, Jon Ander Campos, Jun Shern Chan, Samuel R. Bowman, Kyunghyun Cho, Ethan Perez

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

Comments Published in (and superceded by) TMLR: https://openreview.net/forum?id=xo3hI5MwvU

Inductive-bias Learning: Generating Code Models with Large Language Model

Toma Tanaka, Naofumi Emoto, Tsukasa Yumibayashi

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

Comments 17 pages, 8 figures

Execution-based Code Generation using Deep Reinforcement Learning

Parshin Shojaee, Aneesh Jain, Sindhu Tipirneni, Chandan K. Reddy

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

Comments Published in Transactions on Machine Learning Research (TMLR), 2023

Journal ref Transactions on Machine Learning Research (TMLR), 2023

Toward Code Generation: A Survey and Lessons from Semantic Parsing

Celine Lee, Justin Gottschlich, Dan Roth

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

Comments 12 pages, 6 figures

Program Synthesis and Semantic Parsing with Learned Code Idioms

Richard Shin, Miltiadis Allamanis, Marc Brockschmidt, Oleksandr Polozov

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

Comments 33rd Conference on Neural Information Processing Systems (NeurIPS) 2019. 13 pages total, 9 pages of main text

When Retrieval Hurts Code Completion: A Diagnostic Study of Stale Repository Context

当检索伤害代码补全：对过时仓库上下文的诊断研究

Haojun Weng, Qianqian Yang, Hao Fu, Haobin Pan, Xinwei Lv

机构 * Independent Researcher, California, USA（加利福尼亚独立研究员） ； Independent Researcher, Beijing, China（北京独立研究员） 纠错

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

AI总结 本文研究过时仓库片段是否对代码生成造成影响，通过对比不同检索条件发现，仅使用过时片段会显著增加错误引用，而加入当前证据可缓解问题。

Comments 31 pages, 2 tables. Submitted to Information and Software Technology (Elsevier)

VeriContest: A Competitive-Programming Benchmark for Verifiable Code Generation

VeriContest：一个用于可验证代码生成的竞技编程基准

Zichen Xie, Mrigank Pawagi, Yuxin Liu, Aaditi Rai, Lize Shao, John Berberian, Sicong Che, Wenxi Wang

机构 * University of Virginia（弗吉尼亚大学） ； Indian Institute of Science（印度科学研究院） ； Rice University（里士曼大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 VeriContest通过946个LeetCode和Codeforces问题，评估可验证代码生成的性能，揭示模型在生成规范和证明时的瓶颈。

CODESIM: Multi-Agent Code Generation and Problem Solving through Simulation-Driven Planning and Debugging

CODESIM: 通过仿真驱动的规划与调试进行多智能体代码生成与问题解决

Md. Ashraful Islam, Mohammed Eunus Ali, Md Rizwan Parvez

机构 * Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） ； Qatar Computing Research Institute（卡塔尔计算研究所） 纠错

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

AI总结 CODESIM提出了一种基于仿真的多智能体代码生成框架，通过仿真验证和内部调试提升代码生成能力，在多个基准测试中取得新高成绩。

Comments Accepted in NAACL 2025 Findings

KAPSO: A Knowledge-grounded framework for Autonomous Program Synthesis and Optimization

KAPSO：一种基于知识的自主程序合成与优化框架

Alireza Nadafian, Alireza Mohammadshahi, Majid Yazdani

机构 * Leeroo Team（Leeroo 团队） 纠错

专题命中 代码生成 ：program synthesis(title,abstract)；coding agent(abstract)；分类 cs.SE、cs.CL、cs.AI

AI总结 KAPSO通过整合实验引擎、知识系统和认知记忆层，解决编码代理中的长周期失败问题，提升自主程序合成与优化的效率和效果。

CodeIF-Bench: Evaluating Instruction-Following Capabilities of Large Language Models in Interactive Code Generation

CodeIF-Bench: 评估大型语言模型在交互式代码生成中的指令遵循能力

Peiding Wang, Li Zhang, Fang Liu, Lin Shi, Minxiao Li, Bo Shen, An Fu

机构 * School of Computer Science & Engineering, State Key Laboratory of Complex & Critical Software Environment, Beihang University（计算机科学与工程学院、复杂与关键软件环境国家重点实验室、北京航空航天大学） ； School of Software, Beihang University（软件学院、北京航空航天大学） ； Huawei Cloud Computing Technologies Co., Ltd. China（华为云计算技术有限公司） 纠错

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

AI总结 CodeIF-Bench通过九种可验证指令评估LLMs在多轮交互中的指令遵循能力，揭示了上下文管理对性能的影响。

Wisdom and Delusion of LLM Ensembles for Code Generation and Repair

Fernando Vallecillos-Ruiz, Max Hort, Leon Moonen

机构 * Simula Research Laboratory（Simula研究实验室） 纠错

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

Comments Added Acknowledgments section and hyphenated last names

Structured Program Synthesis using LLMs: Results and Insights from the IPARC Challenge

Shraddha Surana, Ashwin Srinivasan, Michael Bain

机构 * Thoughtworks Technologies, Pune, India Dept. of CSIS \& APPCAIR, BITS Pilani, Goa Campus, India School of CSE, University of New South Wales, Sydney, Australia 纠错

专题命中 代码生成 ：program synthesis(title,abstract)；code generation(abstract)；分类 cs.SE、cs.AI、cs.PL

Enhancing Code Generation via Bidirectional Comment-Level Mutual Grounding

Yifeng Di, Tianyi Zhang

机构 * Purdue University（普渡大学） 纠错

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

Comments Accepted to ICSE 2025

LLM Hallucinations in Practical Code Generation: Phenomena, Mechanism, and Mitigation

Ziyao Zhang, Yanlin Wang, Chong Wang, Jiachi Chen, Zibin Zheng

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

Comments Accepted by ISSTA 2025

Granite Code Models: A Family of Open Foundation Models for Code Intelligence

Mayank Mishra, Matt Stallone, Gaoyuan Zhang, Yikang Shen, Aditya Prasad, Adriana Meza Soria, Michele Merler, Parameswaran Selvam, Saptha Surendran, Shivdeep Singh, Manish Sethi, Xuan-Hong Dang, Pengyuan Li, Kun-Lung Wu, Syed Zawad, Andrew Coleman, Matthew White, Mark Lewis, Raju Pavuluri, Yan Koyfman, Boris Lublinsky, Maximilien de Bayser, Ibrahim Abdelaziz, Kinjal Basu, Mayank Agarwal, Yi Zhou, Chris Johnson, Aanchal Goyal, Hima Patel, Yousaf Shah, Petros Zerfos, Heiko Ludwig, Asim Munawar, Maxwell Crouse, Pavan Kapanipathi, Shweta Salaria, Bob Calio, Sophia Wen, Seetharami Seelam, Brian Belgodere, Carlos Fonseca, Amith Singhee, Nirmit Desai, David D. Cox, Ruchir Puri, Rameswar Panda

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

Comments Corresponding Authors: Rameswar Panda, Ruchir Puri; Equal Contributors: Mayank Mishra, Matt Stallone, Gaoyuan Zhang

CodeBERTScore: Evaluating Code Generation with Pretrained Models of Code

Shuyan Zhou, Uri Alon, Sumit Agarwal, Graham Neubig

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

Exploring Continual Learning for Code Generation Models

Prateek Yadav, Qing Sun, Hantian Ding, Xiaopeng Li, Dejiao Zhang, Ming Tan, Xiaofei Ma, Parminder Bhatia, Ramesh Nallapati, Murali Krishna Ramanathan, Mohit Bansal, Bing Xiang

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

Comments ACL 2023

Knowledge Transfer for Pseudo-code Generation from Low Resource Programming Language

Ankita Sontakke, Kanika Kalra, Manasi Patwardhan, Lovekesh Vig, Raveendra Kumar Medicherla, Ravindra Naik, Shrishti Pradhan

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

Comments 11 pages, 1 figure, 5 tables

CLAWSAT: Towards Both Robust and Accurate Code Models

Jinghan Jia, Shashank Srikant, Tamara Mitrovska, Chuang Gan, Shiyu Chang, Sijia Liu, Una-May O'Reilly

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

Comments Accepted by SANER2023 Research Track

CodeGen: An Open Large Language Model for Code with Multi-Turn Program Synthesis

Erik Nijkamp, Bo Pang, Hiroaki Hayashi, Lifu Tu, Huan Wang, Yingbo Zhou, Silvio Savarese, Caiming Xiong

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

CodeRL: Mastering Code Generation through Pretrained Models and Deep Reinforcement Learning

Hung Le, Yue Wang, Akhilesh Deepak Gotmare, Silvio Savarese, Steven C. H. Hoi

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

Comments An earlier version of the work was accepted to NeurIPS 2022

P$^{3}$: Joint Program-and-Proof Planning for Verified Code Generation

P³：用于验证代码生成的程序与证明联合规划

Zenan Li, Ziran Yang, Peiyang Song, Zhaoyu Li, Kaiyu Yang

机构 * Apodex ； Princeton University（普林斯顿大学） ； Caltech（加州理工学院） ； University of Toronto（多伦多大学） 纠错

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

AI总结 P³是一种用于验证代码生成的程序与证明联合规划的LLM智能体工作流，在三个基准上的求解率优于基线，还降低了API成本与运行时间。

COMPAS: Difficulty-Aware Joint Search for Optimizing Code Generation

COMPAS：面向优化代码生成的感知难度联合搜索

Jingzhi Gong, Jie M. Zhang, Gunel Jahangirova, Dong Huang, Mohammad Reza Mousavi, Mark Harman

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

AI总结 本文提出感知难度的 COMPAS 方法，通过联合搜索模型、提示词和解码设置优化代码生成，在 LiveCodeBench 和 SWE-bench 上均实现性能提升且成本降低。