返回主题地图

AI 编码

技术方向 · AI 写代码的一切：编码助手、Vibe Coding、代码模型与开发工作流 · 共 417 条

只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。

9月21日周一 · 3 条
正文结构化主题已通过公开置信门槛
Hugging Face Daily Papers一手来源研究

RecreationWorld：可扩展可验证的混合计算机使用智能体环境

研究者提出 RecreationWorld，一个面向混合计算机使用智能体（CUA）的五平台框架，覆盖 Ubuntu、macOS、Windows、Android 和 Web，通过让智能体复现运行中的参考应用来提供可验证的执行奖励。基于高质量开源应用扩展轨迹生成后，模型在五个分布外编码与混合计算机使用基准上均有提升，并更频繁地验证渲染输出。团队同时发布 Recr

正文结构化主题已通过公开置信门槛
Hugging Face Daily Papers一手来源研究

Code2Skill：从代码大规模合成可验证智能体技能

该论文提出 Code2Skill，一个全自动流水线，可从源代码中提取可验证的程序性技能，构建出包含 1,006,822 条记录的 CodeSkillBank。在覆盖九种模型设置和八个基准的 72 项评估中，使用检索到的技能后模型平均提升 11.7%，并在 57 个案例中优于基线。研究还显示，从 AI 生成代码合成的技能通过率达 93.50%，略高于人类编写代

正文结构化主题已通过公开置信门槛
Simon Willison's Weblog观点

工程师爆料：团队所有代码文档均由 Claude Code 生成，无人阅读

一位新入职大公司的工程师（voxium）在 Simon Willison 博客的引述中描述，其团队所有规格、代码、测试、PRD、工单及报告均由 Claude Code 生成，无人阅读产出内容，员工每天工作12至13小时只为按回车键。高层认为推送代码不是瓶颈，因此质疑团队为何缓慢，但团队成员普遍不喜欢这种被强制大量交付的工作方式。

9月20日周日 · 1 条
正文结构化主题已通过公开置信门槛
量子位模型发布

中国电信开源全栈国产模型Xing4.0-29B-A4B，单张3090可跑

中国电信AI开源了全栈国产化的轻量级代码智能体大模型Xing4.0-29B-A4B，采用MoE架构，总参数290亿、每次推理仅激活约40亿，经4-bit量化后可在单张RTX 3090上运行。该模型完全基于华为昇腾910C算力与MindSpore/MindFormers框架训练，支持256K上下文并可扩展至512K，重点强化Coding与Agent能力，已适配

9月19日周六 · 1 条
正文结构化主题已通过公开置信门槛
量子位产品发布

Qwen 3.8 27B实测：一句Prompt秒生成网页，但后端缺失

量子位实测了Qwen 3.8 27B模型，该模型能通过一句Prompt在几分钟内生成完整网页工具，包括数据分析工具和仿12306抢票页面。工程师Alok结合Cerebras硬件实现了1950 token/s的生成速度，可秒级生成Google首页和YouTube界面。但实测发现生成的网页仅为前端外壳，无法接入真实后端、支付和实时数据，且Cerebras加速方案

9月18日周五 · 2 条
正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering研究

DoorDash 用多智能体 LLM 自动清理 6 万个功能开关

DoorDash 构建了一套多智能体 LLM 系统，用于自动清理代码库中过期的功能开关（feature flag）。该系统结合实时实验数据、工程师审批、隔离的 Git worktree 和自动验证，在 50 个过期开关的评估中为 45 个生成了可用的 pull request，平均每次清理耗时 13.8 分钟、成本 4.79 美元，而人工清理估计需要 1 到

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论商业

BAT的AI云销售，困在MaaS内卷战中

雷峰网报道称，2026年国内云厂商为冲刺MaaS收入，将销售人均MaaS指标推高至千万元级，并数周内要求日均Token收入翻数倍，导致某区域团队十几人集体离职，被内部定性为管理事故。由于自研模型竞争力不足，销售转向转售智谱、Seedance等第三方模型，引发国产模型折扣战与云资源券补贴，Codex的额度重置机制又进一步截走客户预算。文章还描述了销售在批折扣、

9月16日周三 · 6 条
正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering观点

你的下一个 DSL 作者是语言模型：用类型化领域接地消除语法幻觉

文章提出「类型化领域接地」（Typed Domain Grounding, TDG）方法，认为大模型在领域特定语言（DSL）上的幻觉本质是训练数据频率问题而非知识问题。TDG 将领域嵌入训练数据丰富的主语言中作为类型化内部 DSL，使领域错误表现为编译器类型错误而非静默失败。在 Claude Sonnet 5 的五十任务基准中，该方法比两种宽松的外部 DSL

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论模型发布

豆包 2.1 Pro 更新至 0915 版本并接入豆包工作

火山引擎宣布豆包 2.1 Pro 模型更新至 0915 版本，新模型 API 已在火山方舟全量上线并接入豆包工作。新版在多模态理解、编程能力、通用 Agent 能力上均有增强，可调度多个子 Agent 并行开发，在开源游戏 Luanti 约 38.7 万行代码仓库的 1000 个真实历史 Issue 中，近 36 小时内将 83% 的问题修复至可合并级标准。

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

Functionalizer：面向子词分词的无损功能分解

论文提出 Functionalizer，一种无损预分词框架，将大小写、变音符号和字符重复等正字法变化分解为可逆的 opcode/operand 前缀流，编码于 Unicode 私用区。在六种自然语言和代码语料上，该方法在无约束条件下将完整覆盖语料所需词表槽位减少最多 16%，并显著压缩缩进密集的代码序列（推理吞吐提升最多 22.8%），但在自然语言散文上序列

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

AgentGuard：从异常编码智能体轨迹学习执行护栏

约克大学Lassonde工程学院的研究者提出AgentGuard，一个从异常编码智能体轨迹中自动学习执行护栏的指令级框架。该方法从642条真实失败轨迹中提取可复用的执行约束，并组织为轻量级技能，仅在触发条件满足时动态激活。使用Claude Code与Claude Haiku 4.5在100个任务上评估，异常执行率从69.0%降至26.7%，任务成功率从21.

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

用 ReAct SFT 教练 Qwen3 Coder 30B 成为竞技场智能体

研究者在 CodeClash 代码竞技场基准上以开源模型 Qwen3-Coder-30B 为案例，探索如何用更强智能体的知识蒸馏来提升弱代码智能体的长程交互能力。他们发现该模型常出现语法与协议错误、缺乏跨轮次策略调整，于是提出 ReAct SFT（将教师轨迹改写为 [obs][thought][act] 链）和轨迹质量加权 SFT（TQ-SFT，鼓励修改后检

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论商业

谷歌向全体工程师开放 Anthropic Claude 模型

谷歌近期通过内部开发平台 Antigravity 向全公司工程师开放 Anthropic 的 Opus 5 模型，此前多数员工被禁止使用 Claude Code、OpenAI Codex 等外部代码工具，仅 DeepMind 团队等有特例。此举反映 AI 代码赛道竞争白热化，谷歌为提升开发效率而转向竞争对手模型。

9月15日周二 · 1 条
正文结构化主题已通过公开置信门槛
arXiv cs.MA一手来源研究

难度感知拓扑选择：多智能体代码生成的自适应协作

该研究指出多智能体代码生成系统通常固定使用单一通信拓扑，但实验发现层级协作相对单智能体的优势随问题难度从2.4分（简单）升至21.1分（困难），而token成本始终约为10倍。作者提出Difficulty-Aware Topology Selector（Dats），用图网络预测各拓扑解题概率并结合成本选择最优拓扑，在预算匹配协议下以40%的层级成本达到77.

9月14日周一 · 5 条
正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论产品发布

蚂蚁百宝箱推出商圈智能体模板，万达率先落地逛街Agent

蚂蚁百宝箱推出全新商圈智能体模板，集成美食推荐、店铺导览、营销活动推送及客服咨询等能力，并接入支付宝“碰一下”线下AI经营网络。万达等头部商圈综合体已率先落地，基于该平台搭建商圈搭子智能体，用户“碰一下”即可直达会员积分、停车缴费、店铺导览等高频服务。该模板将于9月下旬全面开放，支持商场在不改动原有系统架构的前提下对接全周期服务能力。

正文结构化主题已通过公开置信门槛
arXiv cs.MA一手来源研究

三思而后行：LLM智能体的行动前验证

该论文提出在LLM智能体执行动作前进行廉价确定性验证，以捕获静默失败。针对shell命令和代码编辑两种动作模态，构建了包含9,930条命令和640次编辑的基准，并发布验证器与防护机制。结果显示，静态验证器可捕获95.8%的无效命令，而基于锚点的应用器将静默错误降至0.01%。

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

LLM 软件工程中的测试驱动方法：阶段、任务与智能体技能综述

一篇 arXiv 综述论文系统梳理了大语言模型驱动软件工程中的测试驱动方法，围绕「测试改变了什么决策」这一核心问题，整合了 87 条研究记录（其中 83 条做了方法或协议级提取）及 5 项实践资源。论文区分了 Red–Green–Refactor 循环与测试条件生成、执行引导精炼、测试中介分析和仅评估测试等不同机制，并跨代码生成、修复、翻译、重构、克隆检测、

正文结构化主题已通过公开置信门槛
arXiv cs.LG一手来源研究

代码LLM离线后训练：性能、效率与崩溃

该研究探讨代码大语言模型能否完全离线进行强化学习后训练，而不依赖在线采样。作者在Qwen Coder、DeepSeek Coder和CodeLLaMa等0.5B至7B参数模型上，使用CodeNet数据集进行实验，发现仅需数小时训练即可显著提升零样本代码生成性能。研究还发现离线RL对学习率和训练轮数高度敏感，长时间训练会导致模型崩溃，其主因是logit方差而非

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

面向 OpenFOAM CFD 编码代理的案例包操作模型

该论文提出一种面向 OpenFOAM CFD 的「案例包（case-bundle）」操作模型，包含 Build 与 Replay 两种模式：Build 由工程师审查、编码代理协助开发案例，Replay 将已审查案例复用于新变体。研究用 GPT-5.5 在 Codex 中构建了一个 interFoam 案例包，并在远程 HPC 上回放执行 140 个 STL

9月13日周日 · 1 条
正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering产品发布

GitHub 推出 HydraFusion：Copilot 多模型路由实现前沿级性能

GitHub 推出 Project HydraFusion 研究预览，为 GitHub Copilot 提供运行时多模型编排能力，通过 Single、Cascade、Critique 三种执行模式动态路由请求。该系统在 TerminalBench 2.1 上相比 Claude Opus 5 提升 4.9 个百分点任务质量并降低 67% 预估成本，在内部 Ch