代码大模型 / AI 编程

OSVBench: Benchmarking LLMs on Specification Generation Tasks for Operating System Verification

OSVBench：用于操作系统验证的大型语言模型规范生成基准测试

Shangyu Li, Juyong Jiang, Tiancheng Zhao, Jiasi Shen

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

AI总结 OSVBench通过长上下文任务评估LLMs在操作系统验证中的规范生成能力，揭示现有模型在复杂代码生成任务中的性能差异。

CETBench: A Novel Dataset constructed via Transformations over Programs for Benchmarking LLMs for Code-Equivalence Checking

Neeva Oza, Ishaan Govil, Parul Gupta, Dinesh Khandelwal, Dinesh Garg, Parag Singla

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

LILO: Learning Interpretable Libraries by Compressing and Documenting Code

Gabriel Grand, Lionel Wong, Maddy Bowers, Theo X. Olausson, Muxin Liu, Joshua B. Tenenbaum, Jacob Andreas

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

Comments ICLR 2024 camera-ready

Efficient Code Embeddings from Code Generation Models

基于代码生成模型的高效代码嵌入

Daria Kryvosheieva, Saba Sturua, Michael Günther, Han Xiao

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Jina AI GmbH（Jina AI公司） 纠错

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

AI总结 研究提出jina-code-embeddings代码嵌入模型套件，采用文本与代码预训练的自回归主干及最后token池化，以较小规模实现最优性能，可用于代码检索、问答及相似代码识别。

Comments 9 pages. Accepted at the NeurIPS 2025 Workshop on Deep Learning for Code (DL4CODE)

Simulation Code Generation for Fluid Systems using Large Language Models: Benchmarking Models and Prompting Strategies

基于大语言模型的流体系统仿真代码生成：模型与提示策略的基准测试

Jan Marius Stürmer, Jascha Knack, Tobias Koch, Andreas Weinmann

机构 * German Aerospace Centre (DLR)（德国航空航天中心） ； Technische Hochschule Würzburg-Schweinfurt（维尔茨堡-施韦因富特应用技术大学） 纠错

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

AI总结 本研究通过系统比较10种大语言模型与6种提示策略，评估其将流体系统模型图表示转换为WNTR、Modelica代码的能力，为相关设计流程提供指导，同时指出仿真保真度仍存差距。

SpecFirst: Behavioral Specification Elicitation as a First-Class Step in Agent-Based Program Synthesis from Scratch

SpecFirst：将行为规范提取作为从零开始的基于智能体的程序合成中的一等步骤

Yihao Chen, Shi Chang, Feng Lin, Khaled Chawa, Boyuan Chen, Shaowei Wang, Ahmed E. Hassan

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

AI总结 SpecFirst是将行为规范提取设为独立前置阶段的两阶段框架，在ProgramBench上显著提升了从零开始的程序合成的测试通过率与二进制探索覆盖率。

PennySynth: RAG-Driven Data Synthesis for Automated Quantum Code Generation

PennySynth：基于RAG的数据合成用于自动量子代码生成

Minghao Shao, Nouhaila Innan, Hariharan Janardhanan, Muhammad Kashif, Alberto Marchisio, Muhammad Shafique

机构 * eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（eBRAIN实验室，工程系，纽约大学阿布扎比分校） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute（量子与拓扑系统中心（CQTS），NYUAD研究所） ； Department of Computer Science and Engineering, NYU Tandon School of Engineering（计算机科学与工程系，纽约大学坦顿工程学院） 纠错

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

AI总结 提出PennySynth框架，通过检索增强生成和代码感知嵌入，利用13,389个PennyLane指令-代码对数据集，在QHack竞赛中实现52%-68%的pass@5，显著提升量子代码生成的结构有效性和功能正确性。

Comments Accepted at the IEEE International Conference on Quantum Computing and Engineering (QCE), 2026

Improving Code Understanding in Large Language Models through Concept-Aware Consistency Learning

通过概念感知一致性学习提高大语言模型中的代码理解能力

Xiaoning Ren, Qiang Hu, Wei Ma, Chongyang Liu, Yan Li, Yao Zhang, Lingxiao Jiang, Yongqiang Lyu, Yinxing Xue

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

AI总结 研究针对大语言模型对基本编程概念理解浅的问题，引入结合概念感知调整的反事实代码增强框架，经多模型和基准综合评估，证明此方法能引导大语言模型增强概念理解，有效提升其在代码相关任务中的表现。

Comments To appear at IJCAI 2026

Quantum Circuit Vision: Cost-Aware Evaluation of Visual AI Agents for Quantum Code Generation

量子电路视觉：用于量子代码生成的视觉人工智能代理的成本感知评估

Dongping Liu, Aoyu Zhang, Luyao Zhang

机构 * Amazon Web Services（亚马逊网络服务） ； Duke Kunshan University（杜克昆山大学） 纠错

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

AI总结 研究人工智能代理对量子电路图的理解及代码生成成本，提出量子电路视觉评估框架，构建基准并评估模型，发现中级模型在成本-准确性上平衡最佳，电路深度是失败主因，提出级联路由策略并开源数据集及代码。

BackendForge: Benchmarking Agentic End-to-End Code Generation with Backend Services

BackendForge：使用后端服务对智能端到端代码生成进行基准测试

Yuzhe Guo, Mengzhou Wu, Yuan Cao, Jialei Wei, Dezhi Ran, Wei Yang, Tao Xie

机构 * Key Lab of HCST (PKU), MOE（北京大学计算机科学与技术国家重点实验室；软件学院，北京大学） ； SCS, Peking University（北京通明湖信息技术应用创新中心） ； Beijing Tongming Lake Information Technology Application Innovation Center (TLAIC)（复旦大学高级计算系统研究所） ； Fudan University Institute of Systems for Advanced Computing（上海开放计算系统研究所） ； Shanghai Institute of Systems for Open Computing 纠错

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

AI总结 研究智能端到端代码生成评估问题，引入BackendForge基准，给定规范和契约让大语言模型生成容器化服务，用测试和代码代理共同进化测试预言机和参考服务，发现当前大语言模型虽能实现部分API行为，但生成完整后端服务仍有困难。

Reward-Free Code Alignment from Pretrained or Fine-Tuned LLM: Unpacking the Trade-offs for Code Generation

从预训练或微调的大语言模型进行无奖励代码对齐：揭示代码生成中的权衡

Sanjeepan Sivapiran, Gias Uddin

机构 * York University Canada（加拿大约克大学） 纠错

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

AI总结 本研究通过实证分析，探讨了在代码生成任务中，对预训练或微调后的大语言模型进行无奖励对齐（DPO和BoNBoN）的效果，发现预训练到对齐的路径提升更大，但微调版本基线更高。

Journal ref The ACM International Conference on the Foundations of Software Engineering (FSE) 2026

Reasoning effort, not tool access, buys first-try reliability in agentic code generation: an observational study

推理努力，而非工具访问，决定了智能体代码生成的首试可靠性：一项观察性研究

Achint Mehta

机构 * TrendAI 纠错

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

AI总结 本研究通过90次独立智能体运行构建同一应用，发现推理努力（从高到极高）将首试完美运行率从28%提升至89%，而测试工具虽增加成本却未改善功能得分或可靠性。

Comments 22 pages, 5 figures, 10 tables. Dataset and evaluation artifacts: https://doi.org/10.5281/zenodo.21134406

Animation2Code: Evaluating Temporal Visual Reasoning in Video-to-Code Generation

Animation2Code: 评估视频到代码生成中的时间视觉推理

Anya Ji, Abhijith Varma Mudunuri, David M. Chan, Alane Suhr

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出Animation2Code基准，通过从视频重建可执行网页动画代码来评估视觉语言模型的时间视觉推理能力，发现现有模型在时间一致性上表现不佳。

Explaining Attention with Program Synthesis

用程序合成解释注意力机制

Amiri Hayes, Belinda Z Li, Jacob Andreas

机构 * NJIT（新泽西理工学院） ； MIT（麻省理工学院） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 提出用可执行程序近似深度网络组件行为的方法，针对Transformer注意力头，通过生成Python程序再现注意力模式，实现可解释性。

HLS-Seek: QoR-Aware Code Generation for High-Level Synthesis via Proxy Comparative Reward Reinforcement Learning

HLS-Seek: 一种基于代理比较奖励强化学习的面向高质量结果的高层次综合代码生成

Qingyun Zou, Feng Yu, Hongshi Tan, Yao Chen, Bingsheng He, WengFai Wong

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 HLS-Seek通过代理比较奖励强化学习方法，实现了高质量结果导向的高层次综合代码生成，其在语法正确性和功能准确性上超越了GPT-5.1等前沿模型，并在训练速度和QoR评估中表现出色。

TDD Governance for Multi-Agent Code Generation via Prompt Engineering

通过提示工程实现多智能体代码生成的TDD治理

Tarlan Hasanli, Shahbaz Siddeeq, Bishwash Khanal, Pyry Kotilainen, Tommi Mikkonen, Pekka Abrahamsson

机构 * University of Jyväskylä（于韦斯屈莱大学） ； Tampere University（塔尔基尔大学） 纠错

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

AI总结 本文提出一种AI原生的TDD框架，通过结构化提示和工作流程治理机制将经典TDD原则形式化，提升LLM辅助开发的稳定性与可重复性。

Comments 5 pages. Submitted to the 1st International Workshop on Empirical Prompt Engineering for Software Engineering (PROMPT-SE 2026)

FormalScience: Scalable Human-in-the-Loop Autoformalisation of Science with Agentic Code Generation in Lean

FormalScience: 基于代理代码生成的可扩展人类在环科学自动形式化

Jordan Meadows, Lan Zhang, Andre Freitas

机构 * University of Manchester, UK（英国曼彻斯特大学） ； Idiap Research Institute, Switzerland（瑞士Idiap研究所） ； National Biomarker Centre, CRUK-MI, UK（英国国家生物标志物中心，CRUK-MI） 纠错

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

AI总结 FormalScience通过人类在环的代理流程，使非专业领域专家以低成本生成形式化证明，构建了包含200个大学物理问题及解决方案的FormalPhysics数据集，并探讨了现代LLM在自动形式化中的局限性。

Comments ACL 2026

From Natural Language to Verified Code: Toward AI Assisted Problem-to-Code Generation with Dafny-Based Formal Verification

从自然语言到验证代码：迈向借助Dafny基于形式验证的AI辅助问题到代码生成

Md Erfan, Md Kamal Hossain Chowdhury, Ahmed Ryan, Md Rayhanur Rahman

机构 * Department of Computer Science, The University of Alabama（阿拉巴马大学计算机科学系） ； The University of Alabama（阿拉巴马大学） ； Alabama Water Institute, The University of Alabama（阿拉巴马水研究院，阿拉巴马大学） 纠错

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

AI总结 本文提出NL2VC-60数据集，通过分层提示策略评估不同LLM在形式验证中的表现，发现结构化提示和迭代反馈能显著提升验证成功率，证明开放权重LLM可用于高可靠软件开发。

Comments 16 pages

Gradient-Based Program Synthesis with Neurally Interpreted Languages

基于神经解释语言的梯度程序合成

Matthew V. Macfarlane, Clément Bonnet, Herke van Hoof, Levi H. S. Lelis

机构 * AMLab, University of Amsterdam（阿姆斯特丹大学AMLab） ； Ndea ； Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute (Amii), Edmonton, Canada（阿尔伯塔机器智能研究所（Amii），加拿大爱德蒙顿） 纠错

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

AI总结 本文提出神经语言解释器（NLI），通过端到端学习离散符号语言，结合梯度优化实现复杂程序合成，优于上下文学习和连续潜在程序网络。

Comments 26 pages, The International Conference on Learning Representations (ICLR)

RefineStat: Efficient Exploration for Probabilistic Program Synthesis

RefineStat: 高效探索概率程序合成

Madhav Kanda, Shubham Ugare, Sasa Misailovic

机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 RefineStat通过引入语言模型驱动框架，在概率程序合成中强制语义约束并应用诊断感知细化，提升生成程序的语法正确性和统计可靠性。

Comments RefineStat constrains LM decoding with statistical validity checks and uses diagnostic-guided resampling (priors/likelihoods) to transform small LMs' drafts into correct, reliable probabilistic programs that can match or surpass closed-source models

Journal ref ICLR 2026 (Oral)

How Many Tries Does It Take? Iterative Self-Repair in LLM Code Generation Across Model Scales and Benchmarks

需要多少次尝试？跨模型规模和基准的LLM代码生成中的迭代自修复

Johin Johny Arimbur

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 研究探讨了在不同模型规模和基准测试中，通过迭代自修复提高代码生成正确率的方法，发现自修复显著提升了通过率，且现代模型无需微调即可实现有效自修复。

Comments 11 pages, 7 figures, 8 tables

COBOLAssist: Analyzing and Fixing Compilation Errors for LLM-Powered COBOL Code Generation

COBOLAssist: 分析和修复由LLM驱动的COBOL代码生成中的编译错误

Anh T. V. Dau, Shin Hwei Tan, Jinqiu Yang, Nghi D. Q. Bui, Anh Tuan Nguyen

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

AI总结 本文研究了COBOL编译错误的挑战，提出COBOLAssist框架通过迭代修复提升代码正确性，实验表明其显著提高了编译成功率和功能正确性。

GIFT: Bootstrapping Image-to-CAD Program Synthesis via Geometric Feedback

GIFT: 通过几何反馈提升图像到CAD程序合成

Giorgio Giannone, Anna Clare Doris, Amin Heyrani Nobari, Kai Xu, Akash Srivastava, Faez Ahmed

机构 * DeCoDE Lab, MIT（麻省理工学院DeCoDE实验室） ； Core AI, IBM（IBM核心人工智能） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

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

AI总结 本文提出GIFT框架，通过几何反馈生成高质量训练样本，提升CAD程序生成的鲁棒性，无需额外标注。

Comments preprint

A Deep Dive into Scaling RL for Code Generation with Synthetic Data and Curricula

深入探讨通过合成数据和课程学习扩展强化学习用于代码生成

Cansu Sancaktar, David Zhang, Gabriel Synnaeve, Taco Cohen

机构 * University of Tübingen（图宾根大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） 纠错

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

AI总结 本文提出多轮合成数据生成流程，通过教师模型迭代优化问题难度，提升代码生成性能，并系统研究任务难度、课程调度和环境多样性对强化学习训练的影响。

Likelihood hacking in probabilistic program synthesis

概率程序合成中的似然黑客行为

Jacek Karwowski, Younesse Kaddar, Zihuiwen Ye, Nikolay Malkin, Sam Staton

机构 * University of Oxford, Department of Computer Science（牛津大学计算机科学系） ； University of Edinburgh, School of Informatics（爱丁堡大学信息学院） ； CIFAR Fellow, Learning in Machines and Brains（CIFAR Fellow, 机器与大脑学习） 纠错

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

AI总结 研究概率程序合成中语言模型通过强化学习生成程序时可能人为夸大边际似然奖励的问题，提出安全语言片段SafeStan以防止似然黑客行为。

RECODE: Reasoning Through Code Generation for Visual Question Answering

RECODE: 通过代码生成进行视觉问答的推理

Junhong Shen, Mu Cai, Bo Hu, Ameet Talwalkar, David A Ross, Cordelia Schmid, Alireza Fathi

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

AI总结 RECODE通过代码生成实现视觉问答的可验证推理，优于传统方法。

Comments The authors are withdrawing this manuscript temporarily to conduct additional checks of the experimental setup and implementation. We plan to post an updated version after completing these checks

QSpark: Towards Reliable Qiskit Code Generation

QSpark：迈向可靠的Qiskit代码生成

Kiana Kheiri, Aamna Aamir, Andriy Miranskyy, Chen Ding

机构 * Toronto Metropolitan University（多伦多 Metropolitan 大学） 纠错

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

AI总结 QSpark通过GRPO和ORPO方法提升Qiskit代码生成的可靠性，在基准测试中取得显著成绩，但仍有提升空间。

Journal ref In Proceedings of the 3rd International Workshop on AI for Quantum and Quantum for AI (AIQxQIA 2025), co-located with ECAI 2025, CEUR Workshop Proceedings, Vol. 4153, Paper 6, pp. 1-12, 2025

TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair

TopoEdge：基于拓扑的代理框架用于边缘网络代码生成与修复

Haomin Qi, Bohan Liu, Zihan Dai, Yunkai Gao

机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong（香港中文大学） ； University of Copenhagen（哥本哈根大学） ； Duke University（杜克大学） 纠错

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

AI总结 TopoEdge通过拓扑引导的检索增强生成框架，实现边缘网络配置的生成与修复，利用图神经网络和三个专门化代理协调生成-验证-修复循环。

Comments 6 pages, 4 figures, 3 tables

Journal ref IEEE Wireless Communications and Networking Conference (WCNC) 2026

Interaction2Code: Benchmarking MLLM-based Interactive Webpage Code Generation from Interactive Prototyping

Interaction2Code: 基于MLLM的交互式网页代码生成基准测试

Jingyu Xiao, Yuxuan Wan, Yintong Huo, Zixin Wang, Xinyi Xu, Wenxuan Wang, Zhiyao Xu, Yuhang Wang, Michael R. Lyu

机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Singapore Management University, Singapore（新加坡管理学院） ； Renmin University of China, China（中国人民大学） ； Tsinghua University, China（清华大学） ； Southwest University, China（西南大学） 纠错

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

AI总结 Interaction2Code提出首个基于MLLM的交互式网页代码生成基准测试，识别MLLM在交互生成中的四个限制并提出四种增强策略。

Comments Published in the Proceedings of the 40th IEEE/ACM International Conference on Automated Software Engineering (ASE 2025)

VibeCodeHPC: An Agent-Based Iterative Prompting Auto-Tuner for HPC Code Generation Using LLMs

VibeCodeHPC: 基于大语言模型的多智能体迭代提示自动调优系统用于HPC代码生成

Shun-ichiro Hayashi, Koki Morita, Daichi Mukunoki, Tetsuya Hoshino, Takahiro Katagiri

机构 * Graduate School of Informatics（信息学院研究生院） ； Nagoya University（名古屋大学） ； Information Technology Center（信息技术中心） 纠错

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

AI总结 VibeCodeHPC通过多智能体系统实现HPC代码的自动调优，利用大语言模型进行自然语言交互，提升代码性能与开发效率。