代码大模型 / AI 编程

VisRefiner: Learning from Visual Differences for Screenshot-to-Code Generation

VisRefiner: 从视觉差异中学习以实现截图到代码生成

Jie Deng, Kaichun Yao, Libo Zhang

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 VisRefiner通过学习视觉差异提升截图到代码生成的准确性和自我完善能力。

Persistent Human Feedback, LLMs, and Static Analyzers for Secure Code Generation and Vulnerability Detection

持久的人类反馈、LLMs和静态分析器用于安全代码生成和漏洞检测

Ehsan Firouzi, Mohammad Ghafari

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出了一种持久存储人类反馈的框架，以提升LLMs在安全代码生成和漏洞检测中的可靠性。

Teaching Spell Checkers to Teach: Pedagogical Program Synthesis for Interactive Learning

通过教学让拼写检查器教学：面向互动学习的教学程序合成

Momin N. Siddiqui, Vincent Cavez, Sahana Rangasrinivasan, Abbie Olszewski, Srirangaraj Setlur, Maneesh Agrawala, Hari Subramonyam

专题命中 代码生成 ：program synthesis(title,abstract)

AI总结 SPIRE是一种通过拼写错误引导学习者探索语言知识的交互式拼写检查系统，结合教学程序合成技术提升写作学习效果。

Comments IUI 2026

PrivCode: When Code Generation Meets Differential Privacy

PrivCode: 当代码生成遇见差分隐私

Zheng Liu, Chen Gong, Terry Yue Zhuo, Kecen Li, Weichen Yu, Matt Fredrikson, Tianhao Wang

专题命中 代码生成 ：code generation(title,abstract)

AI总结 PrivCode是一种专门设计用于代码数据集的差分隐私合成器，通过两阶段框架提升隐私和效用，生成高效用代码并保护敏感数据。

Comments Accepted at NDSS 2026; code available at https://github.com/Liuzzyg/PrivCode

Deployability-Centric Infrastructure-as-Code Generation: Fail, Learn, Refine, and Succeed through LLM-Empowered DevOps Simulation

以部署为中心的基础设施即代码生成：通过LLM赋能的DevOps模拟实现失败、学习、细化和成功

Tianyi Zhang, Shidong Pan, Zejun Zhang, Zhenchang Xing, Xiaoyu Sun

机构 * Australian National University Canberra Australia ； New York University \& Columbia University USA ； Nanyang Technological University Singapore ； Australian National University Australia ； Australian National University ； New York University \& Columbia University ； Nanyang Technological University 纠错

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

AI总结 本文提出IaCGen框架，通过迭代反馈机制提升IaC模板的部署性，实验表明其在10次迭代内可使模板部署成功率提升至91.6%，并进一步通过人工反馈将性能提升至90%以上。

Comments Accepted by FSE 2026

DiffBench Meets DiffAgent: End-to-End LLM-Driven Diffusion Acceleration Code Generation

DiffBench 与 DiffAgent：端到端的 LLM 驱动扩散加速代码生成

Jiajun jiao, Haowei Zhu, Puyuan Yang, Jianghui Wang, Ji Liu, Ziqiong Liu, Dong Li, Yuejian Fang, Junhai Yong, Bin Wang, Emad Barsoum

专题命中 代码生成 ：code generation(title,abstract)

AI总结 本文提出DiffBench和DiffAgent，通过LLM驱动的闭环流程，实现端到端的扩散模型加速代码生成，显著提升生成策略的有效性。

Comments Accepted to AAAI 2026

SecureCodeRL: Security-Aware Reinforcement Learning for Code Generation with Partial-Credit Rewards

SecureCodeRL: 为代码生成的具有安全意识的强化学习

Suryansh Singh Sijwali, Suman Saha

专题命中 代码生成 ：code generation(title,abstract)

AI总结 SecureCodeRL通过部分信用奖励提升代码生成的语法正确性和安全性，实现更高的测试通过率和更清洁的代码输出。

CME-CAD: Heterogeneous Collaborative Multi-Expert Reinforcement Learning for CAD Code Generation

CME-CAD：异构协作多专家强化学习用于CAD代码生成

Ke Niu, Haiyang Yu, Zhuofan Chen, Zhengtao Yao, Weitao Jia, Xiaodong Ge, Jingqun Tang, Benlei Cui, Bin Li, Xiangyang Xue

机构 * Fudan University（复旦大学） ； ByteDance Inc（字节跳动公司） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 CME-CAD通过异构协作多专家强化学习方法，提升CAD代码生成的精度和可编辑性，提出两阶段训练流程并构建开源基准CADExpert。

ChemGen: Code Generation for Multispecies Chemically Reacting Flow Simulations

ChemGen：用于多物种化学反应流模拟的代码生成

Ryan F. Johnson, Eric J. Ching, Ethan S. Genter, Joshua E. Lipman, Andrew D. Kercher, Jay Arcities, Hai Wang

专题命中 代码生成 ：code generation(title,abstract)

AI总结 ChemGen通过代码生成技术将多物种热力学和化学动力学整合到计算物理学代码中，提升燃烧建模与计算物理学的结合效率。

Comments under review

Functional Program Synthesis with Higher-Order Functions and Recursion Schemes

基于高阶函数和递归方案的功能程序合成

Matheus Campos Fernandes

专题命中 代码生成 ：program synthesis(title,abstract)

AI总结 本文提出两种新型GP算法HOTGP和Origami，用于高效合成纯、带类型和功能的程序，其中HOTGP支持高阶函数和参数多态性，Origami通过递归方案处理循环和递归，且在多个基准测试中表现出色。

Comments Doctoral thesis

VinciCoder: Unifying Multimodal Code Generation via Coarse-to-fine Visual Reinforcement Learning

VinciCoder：通过粗到细的视觉强化学习统一多模态代码生成

Xuanle Zhao, Deyang Jiang, Zhixiong Zeng, Lei Chen, Haibo Qiu, Jing Huang, Yufeng Zhong, Liming Zheng, Yilin Cao, Lin Ma

机构 * Meituan（美团） 纠错

专题命中 代码生成 ：code generation(title,abstract)

AI总结 VinciCoder通过粗到细的视觉强化学习框架，统一多模态代码生成，实现最先进的性能，超越现有开源模型。

Comments 15 pages, 11 figures

Leveraging Test Driven Development with Large Language Models for Reliable and Verifiable Spreadsheet Code Generation: A Research Framework

利用大型语言模型进行测试驱动开发以实现可靠且可验证的电子表格代码生成：一种研究框架

Simon Thorne, Advait Sarkar

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

AI总结 本文提出一种结合测试驱动开发与大型语言模型的框架，以提高电子表格代码生成的可靠性与准确性。

Comments 16 pages

Journal ref Proceedings of the EuSpRIG 2025 Conference "Spreadsheet Productivity & Risks" ISBN : 978-1-905404-60-5

Bring Your Own KG: Self-Supervised Program Synthesis for Zero-Shot KGQA

自带知识图谱：零样本知识图谱问答的自监督程序合成

Dhruv Agarwal, Rajarshi Das, Sopan Khosla, Rashmi Gangadharaiah

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； AWS AI Labs（AWS人工智能实验室） 纠错

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

AI总结 BYOKG通过自监督程序合成实现零样本知识图谱问答，利用探索机制和LLM生成查询程序，提升问答准确率。

CircuitGuard: Mitigating LLM Memorization in RTL Code Generation Against IP Leakage

Nowfel Mashnoor, Mohammad Akyash, Hadi Kamali, Kimia Azar

专题命中 代码生成 ：code generation(title,abstract)

SelfRACG: Enabling LLMs to Self-Express and Retrieve for Code Generation

Qian Dong, Jia Chen, Qingyao Ai, Hongning Wang, Haitao Li, Yi Wu, Yao Hu, Yiqun Liu, Shaoping Ma

专题命中 代码生成 ：code generation(title,abstract)

Comments Tsinghua&Xiaohongshu

Text-to-Code Generation for Modular Building Layouts in Building Information Modeling

Yinyi Wei, Xiao Li

专题命中 代码生成 ：code generation(title,abstract)

Comments Accepted at NeurIPS 2025 Main Track

Growing with Your Embodied Agent: A Human-in-the-Loop Lifelong Code Generation Framework for Long-Horizon Manipulation Skills

Yuan Meng, Zhenguo Sun, Max Fest, Xukun Li, Zhenshan Bing, Alois Knoll

专题命中 代码生成 ：code generation(title,abstract)

Comments update fig 1, typo correction - v2

Spec2RTL-Agent: Automated Hardware Code Generation from Complex Specifications Using LLM Agent Systems

Zhongzhi Yu, Mingjie Liu, Michael Zimmer, Yingyan Celine Lin, Yong Liu, Haoxing Ren

专题命中 代码生成 ：code generation(title,abstract)

Beyond the Surface: A Solution-Aware Retrieval Model for Competition-level Code Generation

Shiwen Zhang, Lingxiang Wang, Hainan Zhang, Ziwei Wang, Sijia Wen, Zhiming Zheng

专题命中 代码生成 ：code generation(title,abstract)

LTLCodeGen: Code Generation of Syntactically Correct Temporal Logic for Robot Task Planning

Behrad Rabiei, Mahesh Kumar A. R., Zhirui Dai, Surya L. S. R. Pilla, Qiyue Dong, Nikolay Atanasov

机构 * Contextual Robotics Institute, University of California San Diego（情境机器人研究所，加州大学圣地亚哥分校） 纠错

专题命中 代码生成 ：code generation(title,abstract)

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (iROS) 2025

Enhancing LLM-based Quantum Code Generation with Multi-Agent Optimization and Quantum Error Correction

Charlie Campbell, Hao Mark Chen, Wayne Luk, Hongxiang Fan

专题命中 代码生成 ：code generation(title,abstract)

Comments Paper accepted by DAC'25

Matrix-Free Methods for Finite-Strain Elasticity: Automatic Code Generation with No Performance Overhead

Michał Wichrowski, Mohsen Rezaee-Hajidehi, Jože Korelc, Martin Kronbichler, Stanisław Stupkiewicz

专题命中 代码生成 ：code generation(title,abstract)

Code generation for solving and differentiating through convex optimization problems

Maximilian Schaller, Stephen Boyd

专题命中 代码生成 ：code generation(title,abstract)

From Code Generation to Software Testing: AI Copilot with Context-Based RAG

Yuchen Wang, Shangxin Guo, Chee Wei Tan

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

Comments This work has been accepted for publication in IEEE Software (DOI: 10.1109/MS.2025.3549628)

BigCodeBench: Benchmarking Code Generation with Diverse Function Calls and Complex Instructions

Terry Yue Zhuo, Minh Chien Vu, Jenny Chim, Han Hu, Wenhao Yu, Ratnadira Widyasari, Imam Nur Bani Yusuf, Haolan Zhan, Junda He, Indraneil Paul, Simon Brunner, Chen Gong, Thong Hoang, Armel Randy Zebaze, Xiaoheng Hong, Wen-Ding Li, Jean Kaddour, Ming Xu, Zhihan Zhang, Prateek Yadav, Naman Jain, Alex Gu, Zhoujun Cheng, Jiawei Liu, Qian Liu, Zijian Wang, Binyuan Hui, Niklas Muennighoff, David Lo, Daniel Fried, Xiaoning Du, Harm de Vries, Leandro Von Werra

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

Comments Accpeted at ICLR 2025 (Oral), built with love by the BigCode community :)

Ramp Up NTT in Record Time using GPU-Accelerated Algorithms and LLM-based Code Generation

Yu Cui, Hang Fu, Licheng Wang, Haibin Zhang

专题命中 代码生成 ：code generation(title,abstract)

DiffQRCoder: Diffusion-based Aesthetic QR Code Generation with Scanning Robustness Guided Iterative Refinement

Jia-Wei Liao, Winston Wang, Tzu-Sian Wang, Li-Xuan Peng, Ju-Hsuan Weng, Cheng-Fu Chou, Jun-Cheng Chen

专题命中 代码生成 ：code generation(title,abstract)

Fully-Automated Code Generation for Efficient Computation of Sparse Matrix Permanents on GPUs

Deniz Elbek, Kamer Kaya

专题命中 代码生成 ：code generation(title,abstract)

Robotic Programmer: Video Instructed Policy Code Generation for Robotic Manipulation

Senwei Xie, Hongyu Wang, Zhanqi Xiao, Ruiping Wang, Xilin Chen

专题命中 代码生成 ：code generation(title,abstract)

Optimizing AI-Assisted Code Generation

Simon Torka, Sahin Albayrak

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