代码大模型 / AI 编程

Agentic AI for Software: thoughts from Software Engineering community

Abhik Roychoudhury

机构 * NUS（国立新加坡大学） ； SonarSource SA 纠错

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

Comments 4 pages

Correctness Assessment of Code Generated by Large Language Models Using Internal Representations

Tuan-Dung Bui, Thanh Trong Vu, Thu-Trang Nguyen, Son Nguyen, Hieu Dinh Vo

机构 * Faculty of Information Technology, VNU University of Engineering and Technology（信息科技学院，越南工程大学） 纠错

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

Towards a Science of Causal Interpretability in Deep Learning for Software Engineering

David N. Palacio

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

Comments PhD thesis, To appear in ProQuest

ChiseLLM: Unleashing the Power of Reasoning LLMs for Chisel Agile Hardware Development

Bowei Wang, Jiaran Gao, Yelai Feng, Renzhi Chen, Shanshan Li, Lei Wang

机构 * Computer Department National University of Defense Technology（国防科技大学计算机系） ； School of Computer & Communication Engineering University of Science and Technology Beijing（北京科技大学计算机与通信工程学院） ； Intelligent Microelectronics Center Qiyuan Lab（智能微电子中心启元实验室） ； College of Computer Science and Technology National University of Defense Technology（国防科技大学计算机科学与技术学院） ； Defense Innovation Institute Academy of Military Science（军事科学创新院） 纠错

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

Machine Learning meets Algebraic Combinatorics: A Suite of Datasets Capturing Research-level Conjecturing Ability in Pure Mathematics

Herman Chau, Helen Jenne, Davis Brown, Jesse He, Mark Raugas, Sara Billey, Henry Kvinge

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

Comments 26 pages, comments welcome

Toward Neurosymbolic Program Comprehension

Alejandro Velasco, Aya Garryyeva, David N. Palacio, Antonio Mastropaolo, Denys Poshyvanyk

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

o3-mini vs DeepSeek-R1: Which One is Safer?

Aitor Arrieta, Miriam Ugarte, Pablo Valle, José Antonio Parejo, Sergio Segura

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

Comments arXiv admin note: substantial text overlap with arXiv:2501.17749

Prompting Large Language Models to Tackle the Full Software Development Lifecycle: A Case Study

Bowen Li, Wenhan Wu, Ziwei Tang, Lin Shi, John Yang, Jinyang Li, Shunyu Yao, Chen Qian, Binyuan Hui, Qicheng Zhang, Zhiyin Yu, He Du, Ping Yang, Dahua Lin, Chao Peng, Kai Chen

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

Comments Our data and code are available at https://github.com/open-compass/DevEval

Learning to Reason via Program Generation, Emulation, and Search

Nathaniel Weir, Muhammad Khalifa, Linlu Qiu, Orion Weller, Peter Clark

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

Comments NeurIPS 2024 camera ready

Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion?

Zhenyu Pan, Rongyu Cao, Yongchang Cao, Yingwei Ma, Binhua Li, Fei Huang, Han Liu, Yongbin Li

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

ReGAL: Refactoring Programs to Discover Generalizable Abstractions

Elias Stengel-Eskin, Archiki Prasad, Mohit Bansal

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

Comments ICML 2024 Camera-Ready; First two authors contributed equally; Code: https://github.com/esteng/regal_program_learning

Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap

Xingyu Wu, Sheng-hao Wu, Jibin Wu, Liang Feng, Kay Chen Tan

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

Comments evolutionary algorithm (EA), large language model (LLM), optimization problem, prompt engineering, algorithm generation, neural architecture search

DocuMint: Docstring Generation for Python using Small Language Models

Bibek Poudel, Adam Cook, Sekou Traore, Shelah Ameli

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

Comments 12 pages, 4 figures

Teaching Large Language Models to Self-Debug

Xinyun Chen, Maxwell Lin, Nathanael Schärli, Denny Zhou

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

Is ChatGPT the Ultimate Programming Assistant -- How far is it?

Haoye Tian, Weiqi Lu, Tsz On Li, Xunzhu Tang, Shing-Chi Cheung, Jacques Klein, Tegawendé F. Bissyandé

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

Multi-target Backdoor Attacks for Code Pre-trained Models

Yanzhou Li, Shangqing Liu, Kangjie Chen, Xiaofei Xie, Tianwei Zhang, Yang Liu

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

Comments ACL 2023 main conference

SynGuar: Guaranteeing Generalization in Programming by Example

Bo Wang, Teodora Baluta, Aashish Kolluri, Prateek Saxena

专题命中 代码生成 ：program repair(abstract)；program synthesis(abstract)；分类 cs.SE、cs.PL

Unified Pre-training for Program Understanding and Generation

Wasi Uddin Ahmad, Saikat Chakraborty, Baishakhi Ray, Kai-Wei Chang

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

Comments NAACL 2021 (camera ready)

Towards Clause Learning à la Carte through VarMonads

Arved Friedemann, Oliver Keszocze

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

Comments Paper presented at the 32nd International Symposium on Logic-Based Program Synthesis and Transformation (LOPSTR 2022), Tbilisi, Georgia, and Virtual, September 22-23, 2022 (arXiv:2208.04235)

PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation

PrintAnything：学习用于3D打印G-code生成的中间表示

Sangmin Hong, Daniel Sungho Jung, Heewon Kim, Kyoung Mu Lee

机构 * IPAI, Seoul National University（首尔大学 IPAI） ； Seoul National University（首尔大学） ； Soongsil University（崇实大学） ； Kairoba Inc.（Kairoba公司） 纠错

专题命中 代码生成 ：code generation(title)

AI总结 PrintAnything框架无需网格重建，通过切片式点投影策略和G-plan图，直接从点云生成可执行3D打印G-code，实现无网格的实用3D打印流程。

Comments European Conference on Computer Vision (ECCV) 2026

Recursive Program Synthesis from Sketches and Mixed-Quantifier Properties

从混合量词属性中递归程序合成

Derek Egolf, Stavros Tripakis

专题命中 代码生成 ：program synthesis(title)

AI总结 本文提出了一种基于反例引导和预防性剪枝的递归程序合成方法，通过斯科伦化将混合量词问题转化为$\forall^*$-合成问题，提升合成效率。

Towards Transparent Checkpointing with AI-driven Code Generation

迈向基于AI驱动代码生成的透明检查点

Hai Duc Nguyen, Tekin Bicer, Kyle Chard, Ian Foster, Bogdan Nicolae

专题命中 代码生成 ：code generation(title)

AI总结 研究使用大型语言模型自动为MPI科学应用生成检查点/重启代码，平均50分钟完成，开销可忽略，恢复效率与人工实现相当。

Journal ref FlexScience'26: The 2026 Workshop on AI and Scientific Computing at Scale using Flexible Computing Infrastructures (in conjunction with HPDC'26)

False Security Confidence in Benign LLM Code Generation

良性大语言模型代码生成中的虚假安全信心

Xiaolei Ren

专题命中 代码生成 ：code generation(title)

AI总结 本文研究在无攻击场景下，功能正确但存在安全漏洞的代码生成现象，提出FSC率作为衡量指标，并定义FSC-hard作为新的评估层次。

Comments 6 pages; technical report

Relationships Between Trust, Compliance, and Performance for Novice Programmers Using AI Code Generation

使用AI代码生成的初级程序员中信任、合规性和绩效之间的关系

Nicholas Gardella, Matthew L. Bolton, Sara L. Riggs

专题命中 代码生成 ：code generation(title)

AI总结 研究探讨了初级程序员在时间压力下使用AI开发环境时，信任与编程性能及AI合规性的关系，发现性能影响信任，但信任与合规性无直接关联。

ArtiCAD: Articulated CAD Assembly Design via Multi-Agent Code Generation

ArtiCAD: 通过多智能体代码生成实现可动CAD装配设计

Yuan Shui, Yandong Guan, Zhanwei Zhang, Juncheng Hu, Jing Zhang, Dong Xu, Qian Yu

机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 代码生成 ：code generation(title)

AI总结 ArtiCAD通过多智能体系统从文本或图像生成可编辑的可动CAD装配，利用连接器定义连接点和关节参数，提升空间推理能力，通过验证步骤和回滚机制确保输出质量，验证了其在概念设计、物理原型和AI训练资产生成中的应用。

Text to Automata Diagrams: Comparing TikZ Code Generation with Direct Image Synthesis

文本到自动机图：比较TikZ代码生成与直接图像合成

Ethan Young, Zichun Wang, Aiden Taylor, Chance Jewell, Julian Myers, Satya Sri Rajiteswari Nimmagadda, Anthony White, Aniruddha Maiti, Ananya Jana

机构 * Marshall University（马歇尔大学） ； West Virginia State University（西弗吉尼亚州立大学） 纠错

专题命中 代码生成 ：code generation(title)

AI总结 本研究比较了通过视觉-语言模型生成TikZ代码与直接图像合成在生成自动机图描述中的效果，发现人工修正能显著提高生成准确性。

Comments Accepted to ASEE North Central Section 2026

HDLFORGE: A Two-Stage Multi-Agent Framework for Efficient Verilog Code Generation with Adaptive Model Escalation

HDLFORGE：一种用于高效Verilog代码生成的两阶段多智能体框架

Armin Abdollahi, Saeid Shokoufa, Negin Ashrafi, Mehdi Kamal, Massoud Pedram

专题命中 代码生成 ：code generation(title)

AI总结 HDLFORGE通过两阶段多智能体框架实现高效Verilog代码生成，通过自适应模型升级提升生成准确性与效率。

Tapas Are Free! Training-Free Adaptation of Programmatic Agents via LLM-Guided Program Synthesis in Dynamic Environments

Tapas Are Free! 通过LLM引导的程序合成实现动态环境下的免训练程序代理适应

Jinwei Hu, Yi Dong, Youcheng Sun, Xiaowei Huang

专题命中 代码生成 ：program synthesis(title)

AI总结 TAPA通过LLM引导的程序合成，在动态环境中实现免训练的程序代理适应，提升网络安全和群体智能任务的性能与可靠性。

Comments Extended version of the paper accepted at AAAI-26 Oral to comply with the AAAI camera-ready requirements with minor revisions

ScreenCoder: Advancing Visual-to-Code Generation for Front-End Automation via Modular Multimodal Agents

Yilei Jiang, Yaozhi Zheng, Yuxuan Wan, Jiaming Han, Qunzhong Wang, Michael R. Lyu, Xiangyu Yue

机构 * CUHK（香港中文大学） ； MMLab（多模态实验室） ； ARISE Lab（ARISE实验室） 纠错

专题命中 代码生成 ：code generation(title)

Comments ScreenCoder-v2

MeshCoder: LLM-Powered Structured Mesh Code Generation from Point Clouds

Bingquan Dai, Li Ray Luo, Qihong Tang, Jie Wang, Xinyu Lian, Hao Xu, Minghan Qin, Xudong Xu, Bo Dai, Haoqian Wang, Zhaoyang Lyu, Jiangmiao Pang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； AI Thrust, HKUST(GZ)（AI thrust, 香港科技大学（广州）） 纠错

专题命中 代码生成 ：code generation(title)