程式碼生成

速報

Laguna M.1 與 XS.2：Model Factory 打造的長程 Mixture-of-Experts 程式碼基礎模型

ArXiv發表LagunaM.1與LagunaXS.2，兩款為長程代理式編碼設計的MoE基礎模型。作者說明在稱為ModelFactory的系統中從頭訓練與量化；M.1與XS.2在軟體工程與終端機基準上與同級開源模型相當，XS.2權重已以Apache2.0釋出。

深度分析

HELM 框架映射：2017–2025 年 LLM 程式碼生成研究的系統性三階綜述

在軟體工程領域，大規模語言模型被用於自動產生可執行程式碼。本綜述整合30篇次級研究，採HELM框架評估準確性、健壯性與效率，並檢視整合挑戰如經濟可行性與評估有效性。結果顯示基準表現普遍良好但實務泛化與整合仍有限，建議優先推動領域感知模型與標準化評估。

深度分析

PrepBench：評估自然語言驅動資料前處理的互動釐清、程式碼生成與流程轉譯

資料前處理長期是資料分析中的時間瓶頸。

深度分析

SketchVerify 推理時計算分解：草圖→填充→驗證四階段管線提升小型程式模型成功率

研究以受限於小型程式模型的實務者為出發，提出SketchVerify：列舉多種演算法策略、生成帶空洞的程式草圖並多次填充、執行驗證與指紋聚類選出候選。實驗顯示在困難題子集內，SketchVerify於相同候選數下優於平坦抽樣，但無法取代升級至更強模型。

深度分析

Code World Model（CWM，32 億參數）開放權釋出與風險評估報告

Meta釋出32億參數的開放權CodeWorldModel（CWM），在程式碼生成與推理表現上與同規模開放模型相較更佳，亦能與較大商業模型抗衡。評估顯示CWM在資安與化學生物風險上未超出現有生態系統的風險基線，且其不安全傾向屬於中等水平。並符合中等風險門檻。

CFDLLMBench

CFDLLMBench 基準：量化大型語言模型於 CFD 概念、程式碼與 OpenFOAM 工作流表現

隨著大型語言模型在自然語言處理上表現亮眼，研究團隊推出CFDLLMBench，針對計算流體力學設計三項測試：概念問答、程式碼生成與OpenFOAM工作流程自動化。實驗顯示模型在基礎知識題目上達逾九成正確率，但在程式碼與實際模擬任務的成功率僅約三至三四成，凸顯科學自動化仍面臨重大挑戰。

深度分析

執行回饋優於管線複雜度：1–3B 小型語言模型的程式碼生成實證

隨著1–3B參數的小型語言模型能在本機執行，研究檢視是否透過模型串聯恢復程式碼生成能力。實驗以「生成→執行→精修」的執行回饋循環為核心，並以演化搜尋測試拓樸增益。結果顯示執行回饋大幅修正執行錯誤，複雜管線並未帶來顯著優勢。研究還指出，精修模型能力勝過生成器身分，且必須採用早停避免回歸。

深度分析

SpaceX與Cursor合作開發編碼與知識工作人工智慧，含六百億美元收購選項

SpaceX與Cursor合作開發下一代編碼與知識工作人工智慧，並保留以六百億美元收購Cursor的選項。合作結合Cursor面向軟體工程師的產品與SpaceX宣稱的大型超級運算資源，短期可補強訓練與分發，但仍面對Anthropic與OpenAI等對手的模型競爭。

深度分析

PETITE：導師‑學生多代理互動提升大型語言模型程式碼解題效能與資源效率

受人類認知發展啟發，研究提出導師-學生多代理系統 PETITE，讓同一大型語言模型以非對稱角色互動，提升程式碼解題效能。學生代理產生並精進解答，導師代理提供結構化回饋，未使用真實答案。實驗顯示 PETITE 在 APPS 基準上與最先進方法相當，且 token 使用量顯著減少，顯示此角色分化策略具資源效益。