代码大模型 / AI 编程

Metaphor-Induced Algorithmic Steering: Cross-Domain Procedural Transfer in LLM Code Generation

隐喻诱导的算法引导：LLM代码生成中的跨领域过程迁移

Zhibo Hu, Chen Wang, Yanfeng Shu, Hye-young Paik, Liming Dong, Liming Zhu

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

AI总结 本研究提出MASC框架，发现隐喻会诱导LLM代码生成模型迁移低效率过程模式，可高检测率识别此类隐喻技能与低效率实现，揭示其通过源场景过程模式迁移运作的机制。

Comments 12 pages, 11 tables, 4 figures

TraceCoder: Explainable and Auditable Code Generation with Position-Key Snippet Versioning

TraceCoder：基于位置键代码片段版本控制的可解释可审计代码生成

Rwaida Alssadi, Muntaser Syed, Balaji Kasula, Lamine Deen, Majed Alotaibi, Mohammed Alghamdi, Tyler Ton, Ali Alqarni, Marius Silaghi

机构 * Florida Institute of Technology（佛罗里达理工学院） 纠错

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

AI总结 TraceCoder通过三种机制实现可解释可审计代码生成，在30项算法编程任务上Mean Chg%达30%，使自动代码生成的内部叙事可审计复现，保障生产部署的信任与问责。

Comments Submitted Version (version submitted on May deadline to AGENTICS 2026). Version of Record to appear in AGENTICS proceedings

Design-Specification Tiling for ICL-based CAD Code Generation

基于ICL的CAD代码生成的Design-Specification Tiling设计

Yali Du, San-Zhuo Xi, Hui Sun, Ming Li

机构 * National Key Laboratory for Novel Software Technology, School of Artificial Intelligence, Nanjing University（新型软件技术国家实验室，人工智能学院，南京大学） 纠错

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

AI总结 本文提出DST方法，通过量化知识充分性提升CAD代码生成质量，优于现有ICL示例选择策略。

FairCoder: Probing LLM Bias in High-Stakes Decision Making via Coding Tasks

FairCoder：通过编码任务探究高风险决策中语言模型的偏差

Yongkang Du, Jen-tse Huang, Jieyu Zhao, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 研究通过FairCoder基准将决策制定设为编码任务，探究LLMs在多领域的偏差，针对现有指标不足提出FairScore指标，经实验揭示了此前未充分探索的偏差模式，凸显LLMs作决策代理的风险并提供评估框架。

Beyond the Need for Speed: Energy-Aware Code Generation via Simulation-Guided Reinforcement Learning

超越速度需求：通过模拟引导强化学习实现能源感知代码生成

Saurabhsingh Rajput, Tushar Sharma

机构 * Dalhousie University（达尔豪斯大学） 纠错

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

AI总结 研究针对代码模型忽视软件能源效率问题，用确定性架构模拟构建数据集，经监督微调与闭环强化学习训练能源感知代码模型，引入新指标评估，提升能源效率，揭示问题并开源数据，助力社区。

The Substrate Collapse: AI Code Generation Invalidates Authorship-Based Knowledge Metrics

基底崩塌：AI代码生成使基于作者身份的知识度量失效

Brett Wheeler

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文论证AI代码生成从根本上切断了代码作者身份与理解之间的推理链，导致基于作者身份的知识度量（如卡车因子）不再有效，并提出以理解证据为基础的新度量方向。

Comments 10 pages, no figures. Position paper; states a falsifiable prediction and deliberately leaves construction of the comprehension-grounded instrument open

Domain-Adaptable Reinforcement Learning for Code Generation with Dense Rewards

用于密集奖励的领域可适应强化学习代码生成

Erfan Aghadavoodi Jolfaei, Daniel Maninger, Abhinav Anand, Mert Tiftikci, Mira Mezini

机构 * Hessian Center for Artificial Intelligence (hessian.AI)（海斯曼人工智能中心） ； National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE） 纠错

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

AI总结 本研究提出了一种领域可适应的强化学习框架，用于改进代码生成的正确性、质量和安全性，通过定制化的执行感知奖励公式和令牌级奖励映射机制，提高了代码生成在不同领域中的适应性和执行效率。

Comments 10 pages, 2 figures, under review

Constraint Decay: The Fragility of LLM Agents in Backend Code Generation

约束衰减：后端代码生成中LLM代理的脆弱性

Francesco Dente, Dario Satriani, Paolo Papotti

机构 * EURECOM ； University of Basilicata（巴利卡塔大学） 纠错

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

AI总结 研究探讨了LLM代理在多文件后端生成中处理结构约束的能力，发现随着约束累积，性能显著下降，且框架敏感性导致不同环境下的性能差异。

ReaComp: Compiling LLM Reasoning into Symbolic Solvers for Efficient Program Synthesis

ReaComp：将LLM推理编译为符号求解器以实现高效的程序合成

Atharva Naik, Yash Mathur, Prakam, Carolyn Rose, David Mortensen

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 通过编译推理轨迹生成符号求解器，提升程序合成效率与准确性，同时减少对LLM的依赖，适用于多个基准测试任务。

Leveraging LLMs for Multi-File DSL Code Generation: An Industrial Case Study

利用LLMs进行多文件DSL代码生成：一个工业案例研究

Sivajeet Chand, Kevin Nguyen, Peter Kuntz, Alexander Pretschner

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文探讨了LLMs在企业领域特定语言DSL多文件生成中的应用，通过BMW的案例研究，展示了从单一自然语言指令生成多文件DSL及Java/TypeScript代码的端到端流程。

Comments Accepted at EASE'26

DomAgent: Leveraging Knowledge Graphs and Case-Based Reasoning for Domain-Specific Code Generation

DomAgent：利用知识图谱和基于案例的推理进行领域特定代码生成

Shuai Wang, Dhasarathy Parthasarathy, Robert Feldt, Yinan Yu

机构 * Chalmers University of Technology（楚德斯大学） 纠错

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

AI总结 DomAgent通过结合知识图谱和基于案例的推理，提升领域特定代码生成能力，通过结构化推理和定向检索实现领域适应，实验表明其能显著提升复杂真实应用场景的代码生成性能。

Comments Accepted to AAMAS 2026 EA

Hierarchical Embedding Fusion for Retrieval-Augmented Code Generation

层次嵌入融合用于检索增强的代码生成

Nikita Sorokin, Ivan Sedykh, Valentin Malykh

机构 * ITMO University（ITMO大学） 纠错

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

AI总结 HEF通过层次嵌入融合技术，实现了低延迟的仓库感知代码补全，有效减少检索延迟并提升准确度。

Understanding and Bridging the Planner-Coder Gap: A Systematic Study on the Robustness of Multi-Agent Systems for Code Generation

理解并弥合规划者-生成者之间的差距：对多智能体系统在代码生成中鲁棒性的系统研究

Zongyi Lyu, Songqiang Chen, Zhenlan Ji, Liwen Wang, Shuai Wang, Daoyuan Wu, Wenxuan Wang, Shing-Chi Cheung

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Lingnan University（岭南大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文研究多智能体系统在代码生成中的鲁棒性问题，发现规划者与生成者之间的信息丢失是主要缺陷，并提出修复方法以提升系统鲁棒性。

Comments 18pages, 5 figures, 6 tables

Vendor-Aware Industrial Agents: RAG-Enhanced LLMs for Secure On-Premise PLC Code Generation

面向供应商的工业代理：增强型LLM用于安全本地PLC代码生成

Joschka Kersting, Michael Rummel, Gesa Benndorf

机构 * Centre for Machine Learning（机器学习中心） ； Fraunhofer IOSB-INA（弗劳恩霍夫IOSB-INA研究所） ； FA-EDC ； Mitsubishi Electric Europe（三菱电机欧洲） 纠错

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

AI总结 本文提出了一种基于RAG增强的LLM方法，用于在低数据域中安全生成本地PLC代码，通过提示工程和定向检索提升代码生成质量。

Comments ICIT2026

WebVIA: A Web-based Vision-Language Agentic Framework for Interactive and Verifiable UI-to-Code Generation

Mingde Xu, Zhen Yang, Wenyi Hong, Lihang Pan, Xinyue Fan, Yan Wang, Xiaotao Gu, Bin Xu, Jie Tang

机构 * Faculty of Mathematics, University of Waterloo（滑铁卢大学数学系） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程集团） ； Zhipu AI（智谱AI） 纠错

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

Comments 36 pages, 30 figures

David vs. Goliath: A comparative study of different-sized LLMs for code generation in the domain of automotive scenario generation

Philipp Bauerfeind, Amir Salarpour, David Fernandez, Pedram MohajerAnsari, Johannes Reschke, Mert D. Pesé

机构 * Clemson University（克莱姆森大学） 纠错

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

EpiCoder: Encompassing Diversity and Complexity in Code Generation

Yaoxiang Wang, Haoling Li, Xin Zhang, Jie Wu, Xiao Liu, Wenxiang Hu, Zhongxin Guo, Yangyu Huang, Ying Xin, Yujiu Yang, Jinsong Su, Qi Chen, Scarlett Li

机构 * Microsoft（微软公司） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Key Laboratory of Digital Protection（数字保护关键实验室） ； Taiwan (Xiamen University), Ministry of Culture（文化部（厦门大学）） ； Tsinghua University（清华大学） 纠错

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

Comments ICML 2025

Reasoning as a Resource: Optimizing Fast and Slow Thinking in Code Generation Models

Zongjie Li, Shuai Wang

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

An Empirical Study on Strong-Weak Model Collaboration for Repo-level Code Generation

Shubham Gandhi, Atharva Naik, Yiqing Xie, Carolyn Rose

机构 * Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） 纠错

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

QualityFlow: An Agentic Workflow for Program Synthesis Controlled by LLM Quality Checks

Yaojie Hu, Qiang Zhou, Qihong Chen, Xiaopeng Li, Linbo Liu, Dejiao Zhang, Amit Kachroo, Talha Oz, Omer Tripp

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

CodeRAG-Bench: Can Retrieval Augment Code Generation?

Zora Zhiruo Wang, Akari Asai, Xinyan Velocity Yu, Frank F. Xu, Yiqing Xie, Graham Neubig, Daniel Fried

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

Enhancing LLM Agents for Code Generation with Possibility and Pass-rate Prioritized Experience Replay

Yuyang Chen, Kaiyan Zhao, Yiming Wang, Ming Yang, Jian Zhang, Xiaoguang Niu

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

How to Select Pre-Trained Code Models for Reuse? A Learning Perspective

Zhangqian Bi, Yao Wan, Zhaoyang Chu, Yufei Hu, Junyi Zhang, Hongyu Zhang, Guandong Xu, Hai Jin

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

Comments Accepted by IEEE SANER 2025

GEE-OPs: An Operator Knowledge Base for Geospatial Code Generation on the Google Earth Engine Platform Powered by Large Language Models

Shuyang Hou, Jianyuan Liang, Anqi Zhao, Huayi Wu

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

Linguacodus: A Synergistic Framework for Transformative Code Generation in Machine Learning Pipelines

Ekaterina Trofimova, Emil Sataev, Andrey E. Ustyuzhanin

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

GitChameleon: Unmasking the Version-Switching Capabilities of Code Generation Models

Nizar Islah, Justine Gehring, Diganta Misra, Eilif Muller, Irina Rish, Terry Yue Zhuo, Massimo Caccia

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

MMCode: Benchmarking Multimodal Large Language Models for Code Generation with Visually Rich Programming Problems

Kaixin Li, Yuchen Tian, Qisheng Hu, Ziyang Luo, Zhiyong Huang, Jing Ma

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

Comments EMNLP 2024

Contextualized Data-Wrangling Code Generation in Computational Notebooks

Junjie Huang, Daya Guo, Chenglong Wang, Jiazhen Gu, Shuai Lu, Jeevana Priya Inala, Cong Yan, Jianfeng Gao, Nan Duan, Michael R. Lyu

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

Comments To appear at ASE 2024

Is Your AI-Generated Code Really Safe? Evaluating Large Language Models on Secure Code Generation with CodeSecEval

Jiexin Wang, Xitong Luo, Liuwen Cao, Hongkui He, Hailin Huang, Jiayuan Xie, Adam Jatowt, Yi Cai

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

Comments arXiv admin note: text overlap with arXiv:2310.16263

DevEval: A Manually-Annotated Code Generation Benchmark Aligned with Real-World Code Repositories

Jia Li, Ge Li, Yunfei Zhao, Yongmin Li, Huanyu Liu, Hao Zhu, Lecheng Wang, Kaibo Liu, Zheng Fang, Lanshen Wang, Jiazheng Ding, Xuanming Zhang, Yuqi Zhu, Yihong Dong, Zhi Jin, Binhua Li, Fei Huang, Yongbin Li

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

Comments Accepted by the 62nd Annual Meeting of the Association for Computational Linguistics (ACL 2024). arXiv admin note: substantial text overlap with arXiv:2404.00599, arXiv:2401.06401