代码大模型 / AI 编程

Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization

为大型语言模型生成代码的指南：实证分析

Alessandro Midolo, Alessandro Giagnorio, Fiorella Zampetti, Rosalia Tufano, Gabriele Bavota, Massimiliano Di Penta

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

AI总结 本文通过实证分析提出10条提示优化指南，帮助开发者改进代码生成提示，提升LLM辅助软件开发工具的效果。

MeltRTL: Multi-Expert LLMs with Inference-time Intervention for RTL Code Generation

MeltRTL: 多专家LLMs结合推理时干预用于RTL代码生成

Nowfel Mashnoor, Mohammad Akyash, Hadi Kamali, Kimia Azar

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

AI总结 MeltRTL通过多专家注意力和推理时干预提升LLM生成RTL代码的准确性和效率，实现96%的可综合性和60%的功能正确性，无需微调模型。

Assessing Small Language Models for Code Generation: An Empirical Study with Benchmarks

评估小型语言模型用于代码生成：基于基准的实证研究

Md Mahade Hasan, Muhammad Waseem, Kai-Kristian Kemell, Jussi Rasku, Juha Ala-Rantala, Pekka Abrahamsson

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

AI总结 本研究评估了多种小型语言模型在代码生成中的性能，发现紧凑模型在效率与性能间取得平衡，但进一步提升需转向更大模型。

Comments 17 pages, 10 Tables, 57 figures. Includes benchmarks and multilingual evaluation. Submitted to the Journal of Systems and Software

Hybrid Distillation with CoT Guidance for Edge-Drone Control Code Generation

混合指导的蒸馏用于边缘-无人机控制代码生成

Yizhan Feng, Hichem Snoussi, Yuhang Wang, Jing Teng, Abel Cherouat, Tian Wang

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

AI总结 本文提出混合指导的蒸馏方法，通过知识蒸馏、思维链指导和监督微调，提升UAV多SDK控制任务的代码生成效率与准确性。

Comments 2nd International Conference on Drones and Unmanned Systems (DAUS' 2026)

Compliance-to-Code: Enhancing Financial Compliance Checking via Code Generation

合规至代码：通过代码生成增强财务合规检查

Siyuan Li, Jian Chen, Rui Yao, Xuming Hu, Peilin Zhou, Weihua Qiu, Simin Zhang, Chucheng Dong, Zhiyao Li, Qipeng Xie, Zixuan Yuan

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-Sen University（孙中山大学） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 Compliance-to-Code通过构建大规模中文金融监管数据集，提升金融合规检查的自动化水平，采用代码生成技术实现法规结构化和合规逻辑验证。

FGIT: Fault-Guided Fine-Tuning for Code Generation

FGIT：基于故障的微调用于代码生成

Lishui Fan, Zhongxin Liu, Haoye Wang, Lingfeng Bao, Xin Xia, Shanping Li

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

AI总结 FGIT通过提取正确与错误代码差异并动态加权提升代码生成准确性，实现性能提升。

Comments 13 pages, accepted by ASE 2025

How Secure is Secure Code Generation? Adversarial Prompts Put LLM Defenses to the Test

生成安全代码的安全性如何？对抗性提示对LLM防御进行了测试

Melissa Tessa, Iyiola E. Olatunji, Aicha War, Jacques Klein, Tegawendé F. Bissyandé

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

AI总结 本文评估了生成安全代码方法在对抗性条件下的鲁棒性，发现现有方法在安全性和功能性上存在显著缺陷，提出改进最佳实践。

TALM: Dynamic Tree-Structured Multi-Agent Framework with Long-Term Memory for Scalable Code Generation

TALM：具有长期记忆的动态树结构多智能体框架用于可扩展的代码生成

Ming-Tung Shen, Yuh-Jzer Joung

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

AI总结 TALM通过动态树结构多智能体框架结合长期记忆机制，提升复杂代码生成任务中的推理性能和令牌效率。

HogVul: Black-box Adversarial Code Generation Framework Against LM-based Vulnerability Detectors

HogVul: 针对基于语言模型的漏洞检测器的黑盒对抗代码生成框架

Jingxiao Yang, Ping He, Tianyu Du, Sun Bing, Xuhong Zhang

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

AI总结 HogVul通过整合词汇和语法扰动，利用粒子群优化策略提升对抗攻击效果，实验显示其在漏洞检测器攻击成功率上提升26.05%。

Comments AAAI26

Understanding Specification-Driven Code Generation with LLMs: An Empirical Study Design

通过LLM理解基于规范的代码生成：一项实证研究设计

Giovanni Rosa, David Moreno-Lumbreras, Gregorio Robles, Jesús M. González-Barahona

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

AI总结 本文通过实证研究设计，探讨人类干预在基于规范的LLM代码生成过程中对代码质量和动态的影响。

Comments This paper is a Stage 1 Registered Report. The study protocol and analysis plan were peer reviewed and accepted at SANER 2026 with a Continuity Acceptance (CA) score for Stage 2

Assessing and Improving the Representativeness of Code Generation Benchmarks Using Knowledge Units (KUs) of Programming Languages -- An Empirical Study

基于编程语言知识单元（KUs）评估和改进代码生成基准的代表性——一项实证研究

Md Ahasanuzzaman, Bram Adams, Emad Fallahzadeh, Gustavo A. Oliva, Ahmed E. Hassan

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

AI总结 本文通过分析编程语言知识单元（KUs）的覆盖情况，提出基于提示的框架改进代码生成基准的代表性，从而更准确评估LLM的代码生成能力。

Verbatim Data Transcription Failures in LLM Code Generation: A State-Tracking Stress Test

LLM代码生成中的verbatim数据转录失败：一种状态跟踪压力测试

Mohd Ariful Haque, Kishor Datta Gupta, Mohammad Ashiqur Rahman, Roy George

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

AI总结 本文提出了一种最小化的基准测试，用于评估LLM在生成代码时对verbatim数据转录的可靠性，通过精确字符串包含和状态跟踪分析来检测长周期生成失败。

TreeDiff: AST-Guided Code Generation with Diffusion LLMs

TreeDiff: 基于扩散大语言模型的AST引导代码生成

Yiming Zeng, Jinghan Cao, Zexin Li, Yiming Chen, Tao Ren, Zhuochun Li, Dawei Xiang, Xidong Wu, Shangqian Gao, Tingting Yu

机构 * University of Connecticut（康涅狄格大学） ； San Francisco State University（旧金山州立大学） ； University of California, Riverside（加州大学河滨分校） ； National University of Singapore（新加坡国立大学） ； University of Pittsburgh（匹兹堡大学） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 TreeDiff通过整合AST结构先验，改进扩散模型在代码生成中的语法精确性和长距离依赖捕捉能力。

On the Effectiveness of Training Data Optimization for LLM-based Code Generation: An Empirical Study

在LLM基于代码生成中的训练数据优化有效性研究：一项实证研究

Shiqi Kuang, Zhao Tian, Tao Xiao, Dong Wang, Junjie Chen

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

AI总结 本研究评估了训练数据优化技术对LLM代码生成效果的影响，发现数据合成在提升功能正确性和减少代码异味方面最有效，而数据合成与重构的组合表现最佳。

Parallelized Code Generation from Simulink Models for Event-driven and Timer-driven ROS 2 Nodes

基于Simulink模型的并行代码生成用于事件驱动和定时驱动的ROS 2节点

Kenshin Obi, Ryo Yoshinaka, Hiroshi Fujimoto, Takuya Azumi

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

AI总结 本文提出了一种基于MBD的框架，用于实现事件驱动和定时驱动的ROS 2节点的并行代码生成，解决了多输入场景下的并行化问题。

Journal ref Proceedings of the 50th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), 2024, pp. 48-55

M2G-Eval: Enhancing and Evaluating Multi-granularity Multilingual Code Generation

M2G-Eval: 提升和评估多粒度多语言代码生成

Fanglin Xu, Wei Zhang, Jian Yang, Guo Chen, Aishan Liu, Zhoujun Li, Xianglong Liu, Bryan Dai

机构 * Beihang University（北航大学） ； Hunan University（湖南大学） ； Ubiquant 纠错

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

AI总结 M2G-Eval通过多粒度多语言框架评估代码生成能力，揭示了不同粒度任务的难度差异和跨语言学习的关联性。

Exploring the Security Threats of Retriever Backdoors in Retrieval-Augmented Code Generation

探索检索增强代码生成中Retriever后门的安全威胁

Tian Li, Bo Lin, Shangwen Wang, Yusong Tan

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

AI总结 本文研究了检索增强代码生成中Retriever后门攻击的严重威胁，通过开发VenomRACG攻击方法揭示了攻击者可通过注入少量代码操控检索器，导致模型生成脆弱代码。

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 Under Review

UCoder: Unsupervised Code Generation by Internal Probing of Large Language Models

UCoder: 通过大型语言模型的内部探测实现无监督代码生成

Jiajun Wu, Jian Yang, Wei Zhang, Lin Jing, Yuqing Ma, Ensheng Shi, Yuchi Ma, Zhoujun Li, Xianglong Liu

机构 * Beihang University（北航大学） ； Huawei（华为） 纠错

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

AI总结 UCoder通过内部探测大型语言模型实现无监督代码生成，利用自一致性机制和表示质量估计训练，减少对标记数据的依赖，提升资源受限场景下的代码生成能力。

RPM-MCTS: Knowledge-Retrieval as Process Reward Model with Monte Carlo Tree Search for Code Generation

RPM-MCTS：基于蒙特卡洛树搜索的知识检索作为过程奖励模型用于代码生成

Yuanyuan Lin, Xiangyu Ouyang, Teng Zhang, Kaixin Sui

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

AI总结 RPM-MCTS通过结合知识检索与蒙特卡洛树搜索，有效评估代码生成过程中的中间步骤，减少错误并提升效率

Comments Accepted at AAAI 2026

An Exploratory Study of Bayesian Prompt Optimization for Test-Driven Code Generation with Large Language Models

基于大语言模型的测试驱动代码生成中贝叶斯提示优化的探索性研究

Shlok Tomar, Aryan Deshwal, Ethan Villalovoz, Mattia Fazzini, Haipeng Cai, Janardhan Rao Doppa

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

AI总结 本文提出BODE-GEN方法，通过贝叶斯优化优化提示以提高大语言模型生成代码的准确性，实验表明其在代码生成准确性上优于固定提示和手动提示工程。

Comments 20 pages, 13 figures

Intention Chain-of-Thought Prompting with Dynamic Routing for Code Generation

具有动态路由的意图链式思维提示法用于代码生成

Shen Li, Li Huang, Shaoxiong Zhan, Weifeng Sun, Tao Yin, Zhongxin Liu, Meng Yan

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

AI总结 RoutingGen通过动态路由策略优化代码生成，结合少样本提示与结构化推理策略ICoT，提升生成效率与质量。

Comments Accepted at AAAI-2026

Incoherence as Oracle-less Measure of Error in LLM-Based Code Generation

不一致性作为无 oracle 的错误度量方法在基于 LLM 的代码生成中的应用

Thomas Valentin, Ardi Madadi, Gaetano Sapia, Marcel Böhme

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

AI总结 本文提出了一种无 oracle 的错误度量方法，用于评估基于LLM的代码生成的正确性，通过不一致性度量有效识别错误程序并替代传统 oracle 评估。

Comments Accepted at AAAI'26 (extended version). 8 pages + refs and appendix

Journal ref 40th Annual AAAI Conference on Artificial Intelligence (AAAI), 2026

AutoFSM: A Multi-agent Framework for FSM Code Generation with IR and SystemC-Based Testing

AutoFSM：一种基于IR和SystemC的多智能体FSM代码生成框架

Qiuming Luo, Yanming Lei, Kunzhong Wu, Yixuan Cao, Chengjian Liu

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

AI总结 AutoFSM通过引入结构化中间表示和SystemC建模，提升了FSM代码生成的可靠性与可扩展性，实验表明其在测试基准中表现优于现有框架。

Comments This version corrects a typo in the section title ("Intruction" -> "Introduction") that appears in the published version

Understanding Chain-of-Thought Effectiveness in Code Generation: An Empirical and Information-Theoretic Analysis

理解链式思维在代码生成中的有效性：一项经验性与信息论分析

Naizhu Jin, Zhong Li, Guang Yang, Tian Zhang, Qingkai Zeng

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

AI总结 本研究通过经验分析和信息论方法，揭示了链式思维在代码生成中有效性的影响因素，发现结构化CoT在提升生成质量方面表现更优，且其效果受语言系统和模型容量影响。

A Hybrid Approach for EMF Code Generation:Code Templates Meet Large Language Models

一种混合方法用于EMF代码生成：代码模板与大型语言模型的结合

Xiao He, Ru Chen, Zeqing Zhang, Yanling Wang, Qiuyan Dong

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

AI总结 本文提出iEcoreGen，结合EMF和LLM，通过模板生成初始代码并利用LLM完善方法，提升代码生成效率与准确性。

When Forgetting Builds Reliability: LLM Unlearning for Reliable Hardware Code Generation

当遗忘构建可靠性：用于可靠硬件代码生成的LLM去学习

Yiwen Liang, Qiufeng Li, Shikai Wang, Weidong Cao

机构 * Department of ECE, The George Washington University（电子工程系，乔治·华盛顿大学） 纠错

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

AI总结 本文提出了一种针对LLM硬件代码生成的去学习框架，通过语法保持策略和细粒度损失机制有效去除不良知识，提升代码生成的可靠性。

Completion by Comprehension: Guiding Code Generation with Multi-Granularity Understanding

通过理解完成：利用多粒度理解引导代码生成

Xinkui Zhao, Rongkai Liu, Yifan Zhang, Chen Zhi, Lufei Zhang, Guanjie Cheng, Yueshen Xu, Shuiguang Deng, Jianwei Yin

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

AI总结 CoCo通过多粒度理解引导代码生成，利用结构化上下文提升代码补全质量，实验表明其在多个基准测试中表现优异。

PennyCoder: Efficient Domain-Specific LLMs for PennyLane-Based Quantum Code Generation

PennyCoder: 用于PennyLane量子代码生成的高效领域特定LLM

Abdul Basit, Minghao Shao, Muhammad Haider Asif, Nouhaila Innan, Muhammad Kashif, Alberto Marchisio, Muhammad Shafique

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

AI总结 PennyCoder是一种针对PennyLane量子编程的高效领域特定LLM，通过本地部署和低秩适应技术提升量子代码生成的准确性和效率。

Comments 6 pages, 5 figures, 3 tables, paper accepted to QCE 2025

Journal ref 2025 IEEE International Conference on Quantum Computing and Engineering (QCE), Albuquerque, NM, USA

GeoJSON Agents:A Multi-Agent LLM Architecture for Geospatial Analysis-Function Calling vs Code Generation

GeoJSON代理：一种用于地理空间分析的多智能体LLM架构——功能调用与代码生成

Qianqian Luo, Qingming Lin, Liuchang Xu, Sensen Wu, Ruichen Mao, Chao Wang, Hailin Feng, Bo Huang, Zhenhong Du

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

AI总结 GeoJSON代理通过功能调用与代码生成技术，提升地理空间分析任务的准确性和稳定性，展现多智能体LLM在复杂任务中的优势。