代码大模型 / AI 编程

Refine After Generation: Toward Correct and Concise Patches in LLM-based Program Repair

生成后优化：面向基于大语言模型的程序修复中正确且简洁的补丁

Wenqiang Luo, Jacky Keung, Xiaoyu Shi, Yicheng Sun, Boyang Yang, Zhou Yang, Haoye Tian

专题命中 程序修复 ：program repair(title,abstract)；repository(abstract)；分类 cs.SE

AI总结 针对基于LLM的程序修复中补丁冗余问题，提出RECAP适配器，在保留或提升解决率的同时，大幅降低补丁大小，实现更优的大小-正确性权衡。

Bug Report Specification Refinement with Trajectory Guidance for Automated Program Repair

基于轨迹引导的自动程序修复的错误报告规范细化

S M Farah Al Fahim, Md Nakhla Rafi, Md Ahasanuzzaman, Zeyang Ma, Dong Jae Kim, Shaowei Wang, Tse-Hsun, Chen

专题命中 程序修复 ：program repair(title,abstract)；repository(abstract)；分类 cs.SE

AI总结 研究针对自动程序修复中错误报告规范不完善的问题，提出TrajSpec方法，通过轨迹引导收集证据并组织成三级表示，经审查生成细化报告，实验表明该方法能有效提高修复性能。

How Do LLMs Read Bug Reports? An Empirical Study of Attention in LLMs for Automated Program Repair

大语言模型如何读取错误报告？基于大语言模型的自动程序修复中注意力的实证研究

Ramtin Ehsani, Irene Manotas, Saurabh Pujar, Luca Buratti, Preetha Chatterjee

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE、cs.AI

AI总结 研究基于大语言模型的自动程序修复中模型注意力模式，通过分析319个真实错误，探究其在错误报告各部分的分布、成功与失败修复的注意力差异及与开发者重视信息的比较，发现注意力分配错误是失败关键因素，为改进系统提供见解。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE) 2026 Conference

Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs

通过代码属性图和时间执行图进行多视角智能程序修复

Zhili Huang, Ling Xu, Hongyu Zhang

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE、cs.AI

AI总结 研究针对大语言模型在自动程序修复中的局限，提出CT-Repair框架，通过代码属性图和时间执行图表示证据，利用三阶段过滤管道及多视角智能体分析错误并生成修复策略，实验证明该方法能有效提高修复有效性。

Comments 12 pages, 5 figures, 10 tables

TraceView: Interactive Visualization of Agentic Program Repair Trajectories

TraceView: 智能体程序修复轨迹的交互式可视化

Amirali Sajadi, Tu Nguyen, Kimmie Huynh, Esteban Parra, Preetha Chatterjee

机构 * Belmont University（贝尔蒙特大学） 纠错

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE、cs.AI

AI总结 提出TraceView工具，通过交互式可视化和语义关系标注，帮助开发者诊断LLM-based自动程序修复代理的失败原因，支持轨迹扫描与理解。

CausalRepair: Bridging the Causality Gap in Large Language Model-Based Automated Program Repair via Dual-Slicing

CausalRepair：通过双重切片弥合基于大语言模型的自动化程序修复中的因果差距

Linhao Wu, Yizhou Chen, Zhen Yang, Pengyu Xue, Dan Hao

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 CausalRepair是基于最小因果上下文的对话驱动型自动化程序修复框架，通过双重切片策略构建因果相关上下文，在Defects4J数据集上修复313个漏洞，性能优于现有方法且修复成本更低。

Smaller Models, Unexpected Costs: Trade-offs in LLM Quantization for Automated Program Repair

更小的模型，意外的代价：LLM量化在自动程序修复中的权衡

Fernando Vallecillos-Ruiz, Giordano d'Aloisio, Max Hort, Luca Traini, Antinisca Di Marco, Leon Moonen

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 研究LLM量化在自动程序修复中的效果，发现量化虽减少内存但增加推理时间和能耗，且修复问题集差异大，权衡受模型架构和任务复杂度影响。

Comments Accepted for publication in the Research Papers Track of the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026), 14-18 September 2026, Benevento, Italy

To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair

运行还是不运行：分析基于LLM的程序修复中代码执行的成本效益

Zhihao Lin, Junhua Zhu, Mingyi Zhou, Xin Wang, Zhensu Sun, Renyu Yang, David Lo, Li Li

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 通过分析SWE-bench上的代理轨迹和端到端修复尝试，发现代码执行在LLM程序修复中普遍使用但效益不均，限制执行可节省成本且不影响修复成功率。

Comments Accepted to the ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA 2026). 23 pages

PracRepair: LLM-Empowered Automated Program Repair Inspired by Human-Like Debugging Practices

PracRepair: 受人类调试实践启发的大语言模型赋能自动化程序修复

Yu Cheng, Zhongxin Liu, Zhenchang Xing, Chao Ni, Qing Huang, Xiaoxue Ren

专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE

AI总结 提出PracRepair框架，通过构建按需静态-动态上下文、进行问题驱动的故障诊断并迭代细化补丁，利用动态信息提升LLM在程序修复中的效果，在Defects4J和真实世界漏洞上取得最优性能。

TRIM: Reducing AI-Generated CodeSlop via Agent Trajectory Minimization

TRIM：通过代理轨迹最小化减少人工智能生成的代码冗余

Alex Mathai, Shobini Iyer, Aleksandr Nogikh, Petros Maniatis, Franjo Ivancic, Junfeng Yang, Baishakhi Ray

机构 * Dept. of Computer Science Columbia University（计算机科学系哥伦比亚大学） ； Google Inc（谷歌公司） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 程序修复 ：code generation(abstract)；coding agent(abstract)；分类 cs.SE、cs.AI

AI总结 研究人工智能生成代码冗余问题，提出TRIM算法，通过最小化代理轨迹间接减少代码冗余，实验证明该方法有效且高效，能显著降低代码冗余，同时减少验证成本。

MultiFixer: A Coordinator-Proposer Based Multi-Agent Framework For Fixing Multi-Hunk Bugs

MultiFixer：一种用于修复多块漏洞的基于协调者-提议者的多智能体框架

Haichuan Hu, Chunrong Fang, Ye Shang, Jiawei Liu, Weifeng Sun, Guoqing Xie, Chenxing Zhong, Quanjun Zhang

专题命中 程序修复 ：program repair(abstract)；repository(abstract)；分类 cs.SE

AI总结 该研究针对现有LLM-based APR方法难以修复多块漏洞的问题，提出MultiFixer多智能体框架，经多基准测试，其在Defects4J等数据集上达到最优修复效果，能有效修复多块漏洞。

Comments Accepted to 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

What Makes a Good Bug Report for an AI Agent?

什么是适合人工智能代理的优质错误报告？

Lara Khatib, Noble Saji Mathews, Meiyappan Nagappan, Pengyu Nie, Thomas Zimmermann

专题命中 程序修复 ：program repair(abstract)；repository(abstract)；分类 cs.SE

AI总结 研究自动化程序修复代理的优质错误报告，通过统计建模和受控消融分析发现，代理受益于具体可执行且定位好的信息，与人类优质报告有别，如自然语言重现步骤等对代理作用不大，不同模型处理缺失信息方式有差异。

Benchmarking Code Improvement with Progressive, Adaptive, and Interactive Feedback

使用渐进式、自适应和交互式反馈对代码改进进行基准测试

Cuong Chi Le, Aashish Yadavally, Minh Le-Anh, Tien N. Nguyen

专题命中 程序修复 ：code generation(abstract)；program repair(abstract)；分类 cs.SE

AI总结 提出PAIR-Bench基准，通过渐进式提示和结构化反馈协议，细粒度评估大语言模型在代码改进中的修复能力、泛化能力和所需辅助程度。

HyperFL: Query-Adaptive Representation Learning for Software Fault Localization

HyperFL：面向软件故障定位的查询自适应表示学习

Shuai Shao, Yiming Zeng, Yu Zhao, Tingting Yu

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE、cs.AI

AI总结 HyperFL是面向软件故障定位的查询自适应表示学习框架，通过轻量级超网络生成查询特定LoRA参数，在真实基准上较SweRank实现检索性能显著提升。

Stylometric Defenses Against Author Impersonation in Software Repositories

针对软件仓库中作者冒充的风格计量防御

Leonid Ravich, Michael Fire

专题命中 程序修复 ：repository(abstract)；分类 cs.SE、cs.LG

AI总结 本研究提出基于跨模态Transformer的补丁级风格计量防御，结合流式异常检测器，在真实供应链事件中高效检测软件仓库的作者冒充行为。

AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair

AgenticRepair：面向智能体漏洞修复的多维度程序上下文工程

Michael Fu, Qiyue Mei, Patanamon Thongtanunam, Kla Tantithamthavorn

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE、cs.AI

AI总结 针对现有智能体漏洞修复方法缺乏多维度程序上下文工程的问题，提出AgenticRepair框架，协调三个LLM子智能体构建三类上下文，在SEC-Bench上取得73%的修复成功率，显著优于基线。

Comments Under Review at IEEE TSE

Validation Evidence in LLM Repair Agents: How Much of What Passes Actually Tests the Bug?

LLM修复智能体中的验证证据：通过的测试究竟在多大程度上能检验缺陷？

Xiaonan Xu, Wenjing Wu

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE、cs.AI

AI总结 本研究以BSG-VA方法分析LLM修复智能体的验证证据，发现近半数阳性测试无缺陷区分信息，缺陷对比反馈可减少证据不足的部署，其效果幅度仍需进一步验证。

Beyond Fail-to-Pass: Iterative Hardening of Co-Generated Bug Reproduction Tests and Fixes

超越未通过测试：协同生成的错误重现测试与修复的迭代强化

Yuhao Tan, Zhibang Yang, Fangkai Yang, Yuan Yao, Yu Kang, Lu Wang, Pu Zhao, Xin Zhang, Xiaoxing Ma, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * Nanjing University（南京大学） ； Peking University（北京大学） ； Microsoft（微软公司） 纠错

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE、cs.AI

AI总结 研究自动化程序修复中错误重现测试问题，指出仅用未通过到通过标准不足。提出CoHarden框架，先生成测试再迭代强化测试与修复，实验证明该框架在解决率等方面优于现有基线。

Comments 29 pages, 5 figures, preprint

SemaDiff: Identifying Semantic-Changing Commits with Generated Code and Tests

SemaDiff：使用生成的代码和测试识别语义变化的提交

Maha Ayub, Michael Konstantinou, Ahmed Khanfir, Nikolaos Tsantalis, Mike Papadakis

机构 * SnT, University of Luxembourg（卢森堡大学SnT分校） ； RIADI, ENSI, University of Manouba（突尼斯曼努巴大学RIADI与ENSI分校） ； Concordia University（康科德大学） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.SE、cs.AI

AI总结 研究软件仓库挖掘中区分语义保留与变化提交的问题，提出SemaDiff方法，通过行为分析、生成额外调用方法及依赖类等，实现对提交的语义判断，实验表明该方法能较准确地区分，语义变化提交检测精度高。

Teaching Code LLMs to Reason with Intermediate Formal Specifications

使用中间形式规范训练代码语言模型进行推理

Minh Le-Anh, Cuong Chi Le, Tien N. Nguyen

机构 * FPT Software AI Center（FPT软件人工智能中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Hanoi Univ. of Science and Tech.（河内科学技术大学） ； Texas, USA（得克萨斯州，美国） ； Hanoi, Vietnam（河内，越南） 纠错

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE、cs.CL

AI总结 研究可执行检查点规范生成，介绍SpecCoder框架从多种程序学习，能选正确规范拒错误执行。引入HumanExec基准测试，实验表明其提升了检查点规范质量及下游正确性推理和修复能力。

RAVEN: Agentic RAG for Automated Vulnerability Repair

RAVEN：用于自动化漏洞修复的智能体检索增强生成框架

Varun Gadey, Zijie Liu, Alexandra Dmitrienko

机构 * University of Duisburg-Essen（杜伊斯堡- Essen大学） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.SE、cs.LG

AI总结 提出RAVEN框架，集成智能体RAG管道与可控迭代修复，利用开源LLM实现跨类型、跨语言的自动化漏洞修复，在160个真实CVE上达到83.13%修复成功率。

Comments 17 Pages, 4 figures. Under review

AI Code Sandboxes: A Comparative Security Study. Part 1 of 2 -- Engine-Level Properties (Attack Surface, Leakage, Stackability, CVE History, Patch Cadence, Fuzzing)

AI 代码沙箱：比较安全研究。第 1 部分（共 2 部分）——引擎级属性（攻击面、泄露、可堆叠性、CVE 历史、补丁节奏、模糊测试）

George Andronchik, Pavel Lokhmakov

机构 * orbitalab.dev（orbitalab实验室） ； fellows.tech（fellows技术） 纠错

专题命中 程序修复 ：repository(abstract,comments)；分类 cs.AI

AI总结 本文通过六项引擎级测量，比较五种 AI 沙箱产品隔离访客代码与主机内核的能力，发现引擎类在架构轴上清晰分离，但产品内无差异；补丁策略是主要操作变量；模糊测试投资分为三层，最强组合（微VM × 持续公共模糊测试）空缺。

Comments 61 pages, 7 figures, 33 tables; Part 1 of 2; companion code repository (Apache-2.0): https://github.com/orbitalab/RnD-ai-sandboxes-sec-study-part-1

READU: Inconsistency-Driven Just-in-Time Detection and Repair of README Bugs

READU：README 错误的不一致驱动即时检测与修复

Doehyun Baek, Kilian Krampf, Michael Pradel

专题命中 程序修复 ：repository(abstract)；分类 cs.SE

AI总结 研究针对仓库级文档 README 错误，提出不一致驱动技术 READU，通过高召回率提交过滤器、并行一致性检查器等方法，能即时检测并修复错误，在六个流行仓库的提交测试中表现良好，检测到多个真阳性并成功修复部分错误。

A Single Patch Is Not Enough: Deterministic Fusion of Repair Candidates

单个补丁不够：修复候选的确定性融合

Boyang Yang, Xiangliang Hu, Luyao Ren, Yanjun Chen, Bach Le, Tegawendé F. Bissyandé, Haoye Tian

专题命中 程序修复 ：coding agent(abstract)；分类 cs.SE

AI总结 针对代码修复中候选补丁池的“pass@k到pass@1”差距，提出PatchFusion方法，通过确定性原子证据融合选择并构造最终补丁，无需测试结果，在三个基准上优于现有选择器。

Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval

减少全切片图像分块冗余以实现可扩展索引与检索

Jialiang Geng, Ghazal Alabtah, Saghir Alfasly, Wataru Uegami, H. R. Tizhoosh

机构 * KIMIA Lab Dept. of Artificial Intelligence & Informatics（KIMIA实验室 人工智能与信息学系） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.AI

AI总结 提出ARReST框架，通过识别并剪除跨类别判别贡献小的对立块，在保持检索精度的同时显著压缩WSI索引存储（3%-60%），实现可扩展、低成本的病理图像检索。

A11YRepair: Bridging Web Accessibility Barriers via Knowledge-Enhanced Divide-and-Conquer Repair

A11YRepair: 通过知识增强的分治修复弥合网络无障碍障碍

Kai Huang, Ling Zhu, Jian Zhang, Xiaofei Xie, Chunyang Chen

专题命中 程序修复 ：program repair(abstract)；分类 cs.SE

AI总结 针对网络无障碍违规修复问题，提出基于LLM的分治框架A11YRepair，通过聚类关联违规并引入WCAG领域知识，实现多文件协调修复，在60个真实项目中优于现有方法。

Comments Accepted by ASE 2026

MPC-Patch-Bench: Security-Aware LLM Code Patch for Multi-Party Computation

MPC-Patch-Bench：面向多方计算的安全感知LLM代码补丁

Yukuan Zhang, Mengxin Zheng, Qian Lou

机构 * University of Central Florida（中央佛罗里达大学） 纠错

专题命中 程序修复 ：repository(abstract)；分类 cs.AI

AI总结 针对多方计算（MPC）软件缺乏仓库级代码修复基准的问题，提出MPC-Patch-Bench，包含数据筛选框架和MPC验证器，评估LLM在MPC仓库级修复中的安全性和数值保真度。

Comments preprint

Learning Manifolds in High-D Point Embedding for Anisotropic Surface Approximation from Unstructured Point Clouds

用于非结构化点云各向异性曲面逼近的高维点嵌入学习流形

Hongbo Li, Haikuan Zhu, Xiaohu Guo, Wenping Wang, Jing Hua, Zichun Zhong

专题命中 程序修复 ：repository(abstract)

AI总结 该研究提出HD-PEA框架，通过高维点嵌入等技术实现非结构化点云的各向异性曲面逼近，在多数据集上验证了其泛化性与可用性，性能优于现有方法。

HDSL: A Hierarchical Domain-Specific Language for Structured 3D Indoor Scene Generation and Localized Editing with LLM Agents

HDSL：一种用于结构化3D室内场景生成和基于LLM智能体局部编辑的层次化领域特定语言

Letian Li, Chao Shen, Shuzhao Xie, Chenghao Gu, ZhengXiao He, Yu Meng, Xin Yang, Wenyuan Jiang, Zhi Wang

机构 * SIGS, Tsinghua University（清华大学深圳国际研究生院） ； Nankai University（南开大学） ； University of Arizona（亚利桑那大学） ； Zhejiang University（浙江大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 程序修复 ：program repair(abstract)

AI总结 提出HDSL语言，以树结构表示室内场景，结合LLM智能体生成、多模态检索和力导向布局优化，实现结构化场景生成与局部编辑，显著提升对象覆盖率和编辑效率。

Visual-to-Code Authoring, Tensor-Network Debugging, and Quantum-Circuit Inspection Tools in Python

Python中的可视化到代码创作、张量网络调试和量子电路检查工具

Alejandro Mata Ali

专题命中 程序修复 ：code generation(abstract)

AI总结 提出三个互补包：张量网络可视化、张量网络编辑器和量子电路绘制器，分别用于视觉调试、可视化到代码创作和电路检查，以增强张量网络和量子电路的结构可见性和可编辑性。

Comments 15 pages, 6 figures, 6 tables