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。

10月9日周五 · 4 条
正文结构化主题已通过公开置信门槛
量子位产品发布

联想天禧TianxiCode登顶SWE-bench-Live全球第一

联想天禧AI自研代码智能体框架TianxiCode配合DeepSeek-v4.1-Flash，在SWE-bench-Live（Lite分榜）中以71%的问题解决率登顶全球第一，并通过官方Verified核验。该框架具备跨文件多跳检索、自驱动规划与多轮工具调用、闭环补丁生成与测试驱动自愈等工程能力。联想称未来将把TianxiCode应用到其AI硬件产品中。

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

超越类型检查：形式化规范生成的全面评估

该论文针对LLM与智能体工作流中形式化规范生成（SpecGen）缺乏验证用户意图机制的问题，提出统一评估框架。作者整合了VERINA（189个）和CLEVER（161个）共350个Lean任务，构建覆盖形式有效性、参考相似性与等价性、行为充分性的数据集与指标。实验发现，将广义树编辑距离（GTED）比较限制在32个可联合测量的VERINA任务后，某配置的平均相

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

TestJack：通过评估器演化审计编码基准测试结果

哥伦比亚大学、UC Berkeley 和乔治梅森大学的研究者提出 TestJack，一个通过演化评估器来审计编码基准测试结果的自动化框架。它针对每个通过固定单元测试的试验，依据任务提示生成新测试，并用真实补丁验证测试有效性，从而发现被误判为正确的试验。在 6 个前沿模型后端和 5 个基准（如 DeepSWE、SWE Marathon）上，约 34.4% 被判

正文结构化主题已通过公开置信门槛
Hugging Face New and Trending Models一手来源开源

IsValorum 发布 KAT-Coder-V2.5-Dev APEX-I-MiniPlus-V2.1 GGUF 量化版

IsValorum 在 Hugging Face 发布了 KAT-Coder-V2.5-Dev 的 GGUF 量化版本 APEX-I-MiniPlus-V2.1，基于 Kwaipilot/KAT-Coder-V2.5-Dev 模型，采用逐张量定制量化方案，主打在 13–14 GB 体积内实现接近 Q5/Q6 的保真度，并支持 24GB 显存工作站运行完整 2

10月8日周四 · 4 条
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

基于智能体原生可复用代码原语的大规模仓库工程

论文提出 Code Primitives（智能体原生的可复用可执行组件），每个组件自带接口契约、依赖闭包、验证测试和来源信息，并可通过常驻 LLM 作为自然语言接口适配目标仓库；这些组件被组织成可检索库 CodeFace。作者进一步提出 LEGO 流水线，通过检索激活、组件协作、诊断验证三机制协调组件完成仓库级构建，并发布 LEGO-REPO 基准（覆盖七个

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

质疑问题本身：维持推理模型的自进化

该论文研究自进化推理模型在反复自我训练中出现的性能崩溃问题，指出自生成问题存在无效问题增多和数学等价问题重复两类质量缺陷，且基于词汇相似度的多样性控制无法识别数学等价问题。作者提出 R-Quest，利用问题有效性与新颖性反馈引导自进化：先训练求解器识别并拒绝无效问题，再用其判断引导提问者奖励并过滤训练数据，同时用冻结基座模型比较问题对以提供新颖性反馈。实验显

正文结构化主题已通过公开置信门槛
The Verge AI产品发布

微软发布Surface Laptop Ultra及RTX Spark平台，展示Copilot混合智能

微软在旧金山举办Windows与Surface发布会，正式公布搭载英伟达RTX Spark Arm芯片的Surface Laptop Ultra，起售价2599美元，10月16日发售；同时推出面向开发者的Surface RTX Spark Dev Box迷你主机，预售价5999美元，11月发货。微软还展示了Copilot的“Hybrid Intelligen

正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering研究

调查：AI 生成代码增加调试与失败率并造成理解鸿沟

独立研究机构 Coleman Parkes 受 Undo 委托对 300 名负责关键任务软件的高级工程负责人进行调查，发现 AI 编码代理虽加速了代码生成，却把瓶颈转移到调试、代码理解与维护上。团队平均每周花 9.8 小时写代码、16.9 小时调试，占工作周 42%；35% 的生成代码在团队完全理解前就进入生产，80% 受访者称代理难以处理复杂代码库中的难题

10月7日周三 · 5 条
正文结构化主题已通过公开置信门槛
量子位观点

这年头还有说人话的AI吗？AI黑话与文言文压缩之争

量子位文章吐槽当前AI模型（如Claude、GPT、DeepSeek等）在编程场景下输出大量黑话和压缩表达，导致用户难以理解。文章分析认为Coding过拟合和CoT压缩（为省Token采用穴居人式表达）是主因，并指出中文/文言文因天然压缩特性被视为AI母语，还提及2019年文言文编程语言wenyan-lang。最后称Gemini因语言风格和排版设计成为少数仍

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

CogAdapt：认知信号引导的代码大模型稀疏适配

研究提出 CogAdapt 框架，利用人类阅读代码时的脑电（EEG）和眼动注意力数据学习程序级与 token 级先验，再结合冻结模型对任务的响应，决定微调时更新哪些 transformer 块及分配多少适配量。在 Qwen 和 GLM 上，该方法在 LiveCodeBench 和 BigCodeBench 上取得最佳 pass@1，相比常规微调在 LiveC

正文结构化主题已通过公开置信门槛
arXiv cs.AI一手来源研究

通过自动诊断与技能发现训练数值智能

该论文提出 ADSD（Auto-Diagnosis and Skill Discovery）框架，将数值求解器的改进从试错式编辑转变为「诊断—发现—实现」的结构化流程：先解释求解器表现不佳的原因，再据此发现合适的数值方法，并封装为可复用的求解器技能。作者在潮流方程、AC 最优潮流控制、刚性常微分方程和异质扩散偏微分方程四个数值领域，用 GPT-5.5、Cla

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

面向规格驱动开发的 EPIC 框架

该研究提出 EPIC 框架，用于指导面向编码智能体的规格驱动开发（SDD）。研究者依据 ISO/IEC/IEEE 29148 标准对 114 个开源 SDD 仓库的规格文档打分，并从高分样本中提炼出 40 项实践，归入 10 个质量维度与 4 个类别（Expressive、Precise、Interpretable、Compartmentalized）。研究

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

面向连贯多图 SysML 模型的验证数据集与基准

该论文发布了 SEMAADB，一个包含 3000 个工程上下文和 15000 张 SysML 图的数据集与基准，每个上下文含需求、块定义、活动、状态机、序列五个相互关联的视图。作者对图集进行了一致性与渲染校验，并人工验证 100 个上下文作为测试集。评估三个语言模型在图表修复和跨图更新任务上的表现，结果显示语法修复已接近解决，但语义修复和跨图一致性仍是难题。

10月6日周二 · 3 条
正文结构化主题已通过公开置信门槛
THE DECODER模型发布

Reflection 发布 Beam：中国以外最强开放权重模型

AI 初创公司 Reflection 发布其首个开放权重模型 Beam，面向编程、逻辑推理与智能体任务，采用混合专家架构，每 token 仅激活 5010 亿参数中的 230 亿，主打计算效率。Reflection 称 Beam 在关键推理基准上可匹敌 GLM 5.2，但计算量少三到四倍，并接近规模更大的 Qwen3.8-Max。该模型基于 10500 块

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

编码代理如何优化软件并报告性能验证？大规模开源PR实证研究

该研究对截至2026年6月的1130个AI编码代理提交的性能优化PR与1130个人类提交的PR进行大规模实证对比。结果显示代理PR合并率更低（54.4% vs 73.3%），但优化策略和验证报告率相近；代理更依赖静态推理而非基准测试（46.1% vs 57.2%），且约半数已验证PR未报告量化性能指标，权衡也极少被量化。研究指出代理优化实践正趋近人类，但支撑

正文结构化主题已通过公开置信门槛
AWS Machine Learning Blog一手来源模型发布

GLM 5.3 上线 Amazon Bedrock

AWS 宣布 Z.ai（智谱 AI）的 GLM 5.3 模型正式上线 Amazon Bedrock，该模型为 753B 参数的混合专家模型，针对编程和长周期智能体任务优化。用户可通过完全托管的 OpenAI 兼容 API 调用，并支持跨区域推理、提示缓存和服务层级。Z.ai 报告该模型在 CyberGym 安全基准上取得 84.5 的领先分数，展现出新兴的网

10月5日周一 · 4 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

Akka 用 65 个开源项目测试规格驱动 AI 移植

Akka 用 65 个开源项目测试了规格驱动（spec-driven）的 AI 辅助代码移植工作流，首批移植耗时 99.3 小时、消耗 94.1 亿 token，其中 57 个项目在代码行数或性能上有改善。实验由 Claude 配合 Akka Specify 完成实现、测试与评审，发现结构化规格能提升首次实现质量，但跨组件决策的上下文仍存在缺口。Sonnet

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

通过有效提示提升LLM生成代码的能效

该研究系统评估了21种提示策略对LLM生成代码能效的影响，并在10个开源与专有模型上测试了其中8种策略，覆盖Python和C++。结果显示，相比基线提示，这些策略可使Python代码能耗最多降低25%、C++最多降低17%；模型层面，Granite-4.0-H-Small的Python能耗降低达50%、C++达56%。研究强调应将能效纳入LLM代码生成的评估

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

WebUIProof：用UI-Agent执行框架评测WebUI代码生成

研究者提出 WebUIProof，一个面向 WebUI 代码生成的执行导向基准，用结构化规格和可执行交互测试替代自由提示与静态检查，覆盖通用 WebUI 与 3D 交互模拟两类任务，共 219 个任务和约 3000 条交互测试。其 UI-agent 执行框架在无头浏览器中通过 plan-act-observe 循环定位 DOM、执行点击/输入等操作并验证断言

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

SimuVerity：面向工程级 Simulink 模型生成的智能体基准

研究者提出 SimuVerity，一个包含 101 个文本到可执行 Simulink 模型生成任务的基准，覆盖十个工程领域，每个任务配有可执行系统画像和四类原生仿真场景。其分层评估器先检查交付、可执行性与工程合格性，再从准确度、输出质量、机理保真、控制与因果完整性、工况鲁棒性和动态响应六个维度打分。对六个智能体系统的评测中最高总分仅 42.86，交付率、可执