代码生成相关 AI 资讯

8月21日

10:34

官方一手arXiv: DeepSeek@Silin Chen, Haoyi Teng, Xiaodong Gu, Yuling Shi, Jiale Huang, Yongpan Wang, Hongyu Zhang, Haibing Guan

大型语言模型在代码生成方面取得显著进展，但大多数现有系统假设预定义的仓库架构。Repo0是一个针对零到全代码生成的持续结构演化框架，通过GPT-5 mini和DeepSeek V3.2在RepoCraft的六个真实仓库上评估，Repo0在所有设置中实现了最高的功能覆盖率和通过率，与RPG相比，功能覆盖率提高20.08个百分点，通过率提高29.74个百分点。

论文代码生成大型语言模型 Repo0

推荐理由：Repo0通过GPT-5 mini和DeepSeek V3.2实现了更高的功能覆盖率和通过率，是设计驱动零到全代码生成的创新框架。与RPG相比，性能提升显著。

原文

8月20日

23:04

宝玉@dotey

Claude Design 是原型和设计一体的工具，不依赖 Figma。该工具可导入 Figma 设计稿，产出物为 React 代码与模拟数据，支持直接交互。其 Agent 功能能将设计还原为代码。

AI产品 Claude Claude Design Figma

推荐理由：Claude Design 是个新工具，能直接生成可交互的 React 原型，还能把设计稿变成代码，不用再依赖 Figma 了。

原文

8月15日

18:12

Geek@geekbb

GitHub 上的一个昆虫图鉴项目把 63 种昆虫做成了交互式 3D 展台，支持旋转、拆解和点击标注。这 63 种昆虫全部通过代码实时生成，不依赖任何外部模型文件。用户无需下载 3D 资源，打开网页即可观察虫子的细微结构。项目地址为 github.com/xr843/insect-w…，适合自然爱好者和前端开发参考。

AI产品昆虫图鉴 3D展台 GitHub

推荐理由：想认虫子？这个开源项目把图鉴做成3D展台，63种虫能转能拆能点标注，不用下载模型文件，打开网页就能看。

原文

8月14日

18:47

官方账号Decoder@Matthias Bastian

72°

智谱AI发布GLM-5.3，并称其为最强的开源权重编码模型。据其自家基准，仅通过后训练就比上一代提升50%。该模型经过网络安全训练，帮助安全团队在269个项目中找到2436个漏洞。模型权重计划在两周后开源。

AI模型 GLM-5.3 Zhipu AI 开源模型

事件专题

推荐理由：智谱发了GLM-5.3，说是开源编码模型里最强的，后训练提升50%，还帮找出了2436个漏洞，权重两周后开源，可以关注下。

原文

16:09

官方一手marktechpost@Asif Razzaq

Z.ai 于 2026 年 8 月 14 日发布 GLM-5.3，复用 743B 参数的 GLM-5.2 基础模型。GLM-5.3 的全部增益来自扩展后训练，未改动基础模型权重。Terminal-Bench 3.0 得分从 4.6 升至 28.3，DeepSWE v1.1 从 46.2 升至 66.9。网络安全方面，CyberGym 达到 84.5%，ExploitBench 翻倍以上至 54.4%。GLM-5.3 的权重约两周后发布。

AI模型 GLM-5.3 Z.ai 后训练

事件专题

推荐理由：GLM-5.3来了，不重训基础模型，后训练拉高Terminal-Bench到28.3，代码和长程任务提升，两周后开放权重。

原文

11:29

官方账号arXiv cs.LG@Zhe Ye, Hantao Lou, Yuechun Sun, Peiyang Song, Zhengxu Yan, Timothe Kasriel, Qingyang Zhang, Kaiyu Yang, Soonho Kong, Jingxuan He, Dawn Song

精选

Vero是首个评估仓库级联合实现与证明合成的基准，包含43个多模块实例。实例来自Python、Dafny、Verus和Coq的真实仓库，覆盖密码协议到分布式系统等领域。每个实例基于Lean 4，支持仅证明和代码加证明两种评估模式。最强智能体配置仅完整解决27/43个实例，在最高难度仓库上未闭合任何规格。

论文 Vero Lean 4 形式化验证

推荐理由：Vero拿43个真实仓库考AI写代码加形式化证明，最强配置只过了27个，想看看代码生成靠谱程度的可以来测测。

原文

03:53

Aravind Srinivas@AravSrinivas

83°

谷歌在3.6 Flash发布三周后推出Gemini 3.7 Flash。新版本在编码和智能体任务上进步明显，软件工程、知识工作与网页开发均有提升。其首发价格为3.6 Flash原价的一半。模型现已通过Gemini API、Google AI Studio与Antigravity开放使用。

AI模型 Gemini 3.7 Flash 谷歌智能体

推荐理由：谷歌新出的3.7 Flash只要3.6一半价格，编码和智能体更强，适合做子智能体跑任务。

原文

02:38

Google AI Developers@googleaidevs

78°

谷歌AI开发者宣布推出Gemini 3.7 Flash，称其为用于编码和智能体任务的最智能实干型模型。Gemini 3.7 Flash提升了指令遵循、首次代码准确率和智能体任务执行质量。官方演示中，该模型在Antigravity环境中构建了一个复杂3D网络游戏，包括生成Three.js样板代码、相机移动和碰撞检测。演示还使用Nano Banana创建PBR材质贴图和自定义精灵表，并集成了程序化音频。

AI模型 Gemini 3.7 Flash Google AI 智能体

推荐理由：谷歌发了Gemini 3.7 Flash，写代码和跑智能体任务更稳了，官方演示用它搭3D游戏，开发者可看看。

原文

02:23

lmarena.ai@lmarena_ai

81°

Google DeepMind 发布 Gemini 3.7 Flash (High)，已在 LMArena 的 Code Arena: WebDev 和 Text Arena 上线。该模型在 WebDev 排名从第 19 位升至第 8 位，明显优于上一代 Gemini 3.6 Flash (High)。它在数据与分析类别排名第 7，在模拟、游戏与内容创作工具类别排名第 8，在参考设计类别排名第 9。

AI模型 Gemini 3.7 Flash Google DeepMind LMArena

推荐理由：谷歌 DeepMind 的新 Flash 模型在 WebDev 榜冲到第8，比上代进步不小，做网页或数据任务可以试试。

原文

8月13日

17:52

lmarena.ai@lmarena_ai

精选

DeepSeek-V4-Pro (Max)在LMArena Code Arena WebDev榜单以1607分暂列第8，开源模型中排名第2。其分数低于Kimi K3 (Max)的1674分，也低于GPT-5.6 Sol (xHigh)的1622分。该成绩来自AutoEval早期评分，由奖励模型基于人类偏好自动投票产生，并非真人实时投票。后续真人投票加入后，最终排名可能变化。

AI模型 DeepSeek-V4-Pro Code Arena Kimi K3

事件专题

推荐理由：DeepSeek新模型V4-Pro专攻代码生成，在Code Arena排第8，开源第2，仅次于Kimi K3，还超过了GPT-5.6 Sol。

原文

8月12日

19:32

The Rundown AI@therundownai

Anthropic近日发布了一项新研究，聚焦于提升Claude模型在复杂任务中的表现。该研究引入了新的训练方法，使Claude在推理和代码生成任务上取得了显著进步。在多个基准测试中，Claude的得分超越了前代版本，接近GPT-4的水平。研究团队还公开了部分技术细节，为后续模型优化提供了方向。

论文 Anthropic Claude 推理模型

事件专题

推荐理由：Anthropic发了新研究，Claude在推理和代码上又强了，接近GPT-4，想了解细节的可以看看。

原文

01:59

Mustafa Suleyman@mustafasuleyman

微软CEO穆斯塔法·苏莱曼在X平台宣布推出MAI-Code编程模型，并附上博客链接。该模型面向代码生成与编程辅助场景，是微软MAI系列的最新成员。目前公开信息有限，具体性能参数与基准测试结果待博客披露。

AI模型 MAI-Code 微软编程助手

推荐理由：微软官方刚官宣的编程模型，做开发的朋友可以点进博客看细节。

原文

8月11日

09:49

Paul Graham@paulg

Paul Graham在X上表示，他最近遇到一位创始人，靠AI工具一天能写5万行代码。此前他曾提到这位创始人每天写1万行代码，当时已引发热议。这次他把数字提高到5万，并称这是极限案例。这位创始人熟悉AI工具，每天工作12小时，但代码质量并不差。

行业 Paul Graham AI编程代码生成

推荐理由：Paul Graham说有个创始人靠AI一天能写5万行代码，比上次说的1万行还夸张，想看看AI编程上限的可以来围观。

原文

8月8日

04:59

官方账号Simon Willison@simonw

Simon Willison用Codex Desktop和GPT-5.6 Sol Ultra开发他的Raccoon Heist游戏，新版本“Moonlight & Mayhem”让一群浣熊洗劫博物馆争夺Golden Sardine。他表示这次效果比Claude Fable 5做得更好。相关推文获得6036次查看和45个点赞。

AI模型 Codex GPT-5.6 Sol Ultra Claude Fable 5

事件专题

推荐理由：Simon用Codex和GPT-5.6做浣熊劫案游戏，效果超Claude Fable 5，AI做游戏可参考。

原文

8月7日

10:28

官方一手arXiv: OpenAI@Xinwei Liu, Junyuan Liang, Jianting Zhang, Wuhui Chen

精选

ProDVI是一个利用大语言模型为强化学习智能体提供初始化先验的新框架。它让代码生成模型输出Python函数，编码对环境动力学的粗略假设，再生成合成转移数据。这些数据用于预训练actor-critic价值网络的状态-动作编码器，使智能体在在线强化学习开始前获得动力学感知的表示。在OpenAI Gym和DeepMind Control Suite任务上，ProDVI显著提升了无模型强化学习算法的样本效率。

论文 ProDVI 强化学习大语言模型

事件专题

推荐理由：这篇论文用大语言模型写代码来初始化强化学习，不用模拟器和预收集数据，在Gym和Control Suite上都能省样本。

原文

08:10

Paul Graham@paulg

Paul Graham在X上发帖（17238次查看）称，用更抽象的语言编写代码能降低LLM生成时的token成本。他认为LLM并不排斥前缀表示法，这也是抽象语言值得尝试的原因（该帖有35条评论）。这条推文获得161个赞、6次转发和42次分享。

技巧 Paul Graham LLM token成本

推荐理由：Paul Graham说，想让LLM写代码更省token，就换更抽象的语言，连前缀表示法它也不怕。

原文

8月6日

07:07

官方账号Meta AI@AIatMeta

精选

Meta发布Muse Spark 1.2，相比前代显著扩大编码任务的训练计算规模，并增加训练环境多样性。新模型在代码生成、复杂调试和端到端开发者工作流上均有提升。Muse Spark 1.2与Muse Code联合训练，针对全仓库生成、大型项目和自动研究任务优化。

AI模型 Muse Spark Muse Code Meta

事件专题

推荐理由：Meta把Muse Spark 1.2的编码能力调强了，配Muse Code一起用，全仓库生成和调试都更顺，写大项目可以试试。

原文

8月5日

10:17

官方账号arXiv cs.AI@Khai-Nguyen Nguyen, Oscar Chaparro, Antonio Mastropaolo

论文提出首个视觉模式完成偏差基准，基于Design2Code数据集的30个网页生成1440张测试截图。评估5个多模态大语言模型，平均偏差率在卡片宽度扰动上达69.78%，文字字号上达80.22%，准确率仅21.17%和7.89%。Codex-5.3表现最佳，但准确率从卡片任务的68.61%降至文字任务的13.89%，Flash-3.0在文字任务上偏差率高达96.11%。噪声、更细微扰动和边界位置会进一步提高偏差率。

论文 Codex-5.3 Flash-3.0 Design2Code

推荐理由：论文测了五个多模态模型做截图转代码填空，发现它们都按重复UI模式猜答案，最强Codex-5.3文字准确率也只有13.89%。

原文

02:10

Yangyi@Yangyixxxx

开发者 @yangyi 在 X 上发布《Vibe Coding 八荣八耻》，用 8 组对比调侃 AI 辅助编码中的典型行为。例如“以不看生成代码为荣，以逐行读懂代码为耻”“以密钥硬编码并推上 public repo 为荣”等。帖子还以“vibe 出 30 个 app 一分不赚”为荣作结，并说本周五课上默写。该帖目前已有 1145 次查看和 4 个赞。

技巧 Vibe Coding AI编程代码生成

推荐理由：@yangyi 把 vibe coding 的迷惑行为编成八荣八耻，条条扎心，适合当反例自嘲，也提醒你别真这么干。

原文

8月4日

06:30

官方账号Yann LeCun@ylecun

精选

Yann LeCun 在 X 平台回应网友评论，澄清他批评的对象是纯 LLM 所采用的自回归 token 预测。他表示，优秀的代码生成系统并不属于纯 LLM，工作方式也不是简单的自回归 token 预测。这条推文获得 133 次点赞、25 条回复，浏览量超过 1.7 万。

行业 Yann LeCun 代码生成 LLM

推荐理由：LeCun 发推澄清：别把代码生成器和纯 LLM 自回归划等号，观点直接，适合关注大模型技术路线的人。

原文

06:04

lmarena.ai@lmarena_ai

精选72°

GLM-5.2 (Max)在LMArena的Code Arena: Frontend榜单排名第2，位列开源模型第1。该模型比Claude Opus 4.7 (Thinking)高出29分，仅次于Fable 5。其在React子榜单排名第2，HTML子榜单排名第4，并在Brand & Marketing、Data & Analytics等6个子类别中排名第一。智谱AI（Zai_org）披露下一代GLM即将发布。

AI模型 GLM-5.2 智谱 Claude Opus

推荐理由：智谱新出的GLM-5.2 (Max)在前端代码测评里拿了开源第一，总分第2，把Claude Opus 4.7甩开29分。写前端的可以关注下。

原文

8月3日

16:35

官方账号阿里通义 Qwen@Alibaba_Qwen

精选

Qwen3.8-Max 在 Arena.ai 的 Frontend Code Arena 排行榜上拿下 1668 分，位列第四。它落后于 Claude Opus 5 (Max) 的 1705 分和 Kimi K3 (Max) 的 1676 分，与 Claude Opus 5 (High) 的 1669 分几乎持平。细分领域中，Consumer Product 排第二，Brand & Marketing、Reference-based design、Gaming、Content Creation Tools 均排第三。Data & Analytics 排第四，Simulations 排第五。阿里 Qwen 官方称该模型在 Text Arena 的真实任务中也有表现。

AI模型 Qwen3.8-Max Alibaba_Qwen Arena.ai

推荐理由：Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。

原文

13:41

AI Will@FinanceYF5

DeepSeek-V4-Flash-High在Frontend Code Arena综合排名第七，得分1586分，在开放模型中位列第三。相比DeepSeek-V4-Flash-High-Preview，得分提升了154分；相比DeepSeek-V4-Pro-Preview，提升了121分。分类排名中，它在Consumer Product排第四，在Reference-based Design、Data & Analytics和Gaming排第六，在Brand & Marketing排第七。

AI模型 DeepSeek DeepSeek-V4-Flash-High Frontend Code Arena

推荐理由：DeepSeek又出新模型，V4-Flash-High做前端代码生成在竞技场排第七，开源里第三，比预览版涨了154分，挺能打。

原文

8月1日

04:50

官方账号Greg Brockman@gdb

GPT-5.6 Luna 今日降价 80%。开发者 Simon Willison 在 Datasette Agent 中实测，称其运行飞快。该模型能生成 SQL、HTML 和 JavaScript 代码。Simon 认为这是一款低成本且性能出色的模型。

AI产品 GPT-5.6 Luna Datasette Agent 编程助手

事件专题

推荐理由：GPT-5.6 Luna 今天降价 80%，Simon 实测超快，写 SQL、HTML、JS 都行，便宜还强。

原文

03:42

lmarena.ai@lmarena_ai

OpenAI 的 GPT-5.6 家族 Sol、Terra、Luna 已在 ChatGPT、Codex 和 API 中开始推出。在 LMArena 全栈代码竞技场中，Sol 以 1638 分排全栈第 3，总榜第 5；Terra 全栈 1579 分列第 10，总榜第 20；Luna 全栈 1568 分列第 14，总榜第 18。Opus 5 (Max) 即将加入全栈榜单。

AI模型 GPT-5.6 OpenAI LMArena

事件专题

推荐理由：OpenAI 的 GPT-5.6 三兄弟开测，Sol 全栈第 3，Terra 和 Luna 也进 top20，挑模型看这个。

原文

7月31日

18:35

官方一手marktechpost@Michal Sutter

JetBrains Research将KotlinLLM以Apache License 2.0协议开源。这款IntelliJ IDEA插件原型提供asLlm和mockLlm两个智能宏，其主体是生成的Kotlin源码而非实时模型调用。KotlinLLM通过JDI捕获运行时值，让LLM Agent生成窄范围代码更新，编译后重定义已加载类。在改造版Spring Petclinic项目上，24个场景全部完成，热重载成功率100%，运行时开销约1%。

AI产品 JetBrains KotlinLLM IntelliJ IDEA

推荐理由：JetBrains把KotlinLLM开源了，这个插件让LLM生成Kotlin代码直接跑，跑完就不再调模型，开销只有1%，挺有意思。

原文

12:11

官方一手arXiv: DeepSeek@Minghao Hu, Lannan Luo, Allen Roush, Phillip Howard

CoGate是一种针对大模型代码生成安全问题的置信度门控协同解码方法。它通过结合小型安全专家模型与目标模型，根据专家模型的置信度控制其影响，避免在未见模式或分布外场景下产生误导。研究在CodeGen、DeepSeek-Coder、Qwen-Coder和StarCoder等多个后端上进行了评估，覆盖HumanEval、安全套件和CWEval基准。相比现有协同解码方法CoSec+，CoGate在CWEval上实现了高达12.6%的Func-Sec@10提升。

论文 CoGate CoSec+代码生成

推荐理由：这篇论文提出了CoGate，让安全专家模型在没把握时少掺和，代码生成更安全，比CoSec+最高提升了12.6个百分点。

原文

10:45

AI Will@FinanceYF5

75°

Matt Shumer 发布演示视频，Claude Opus 5 一次生成一个完整游戏。演示中所有画面与逻辑均为模型自定义代码，未使用任何外部素材。该游戏由 Claude Opus 5 单次编码完成，无需人工修改。

AI模型 Claude Opus 5 Matt Shumer 游戏生成

推荐理由：Matt Shumer 用 Claude Opus 5 演示了一把生成游戏，画面和逻辑全靠模型自己写，不用任何外部素材，看着挺神奇。

原文

10:29

官方账号Simon Willison@simonw

GPT-5.6 Luna今日降价80%，Simon Willison随即在Datasette Agent中实测。它生成SQL、HTML和JavaScript代码速度快，可用于Datasette Apps。推文获得101次点赞和5103次查看。

AI产品 GPT-5.6 Luna Datasette Agent 代码生成

事件专题

推荐理由：Simon Willison说降价80%的GPT-5.6 Luna很猛，在Datasette Agent里跑得飞快，SQL、HTML、JS都能生成，开发者可以看看。

原文

00:48

mem0@mem0ai

精选71°

Mem0是一个外部记忆层，能让AI模型跨会话保留用户偏好。没有Mem0时，新会话默认使用列表推导式；有了Mem0，Claude直接输出显式for循环。Claude的/clear命令只清除模型上下文，不清除Mem0存储的记忆，因此偏好可通过MCP服务器持久访问。

AI产品 Mem0 Claude MCP/工具

推荐理由：想让你家AI记住你之前怎么写的代码？Mem0让Claude跨会话用for循环，不用瞎猜默认语法。

原文

7月30日

09:22

官方一手arXiv: DeepSeek@Peiding Wang, Li Zhang, Fang Liu

MRCoder采用Map-Reduce范式，在Map阶段通过轻量草稿模型和结构感知草稿引导选择(SADGS)筛选信息上下文，在Reduce阶段聚合上下文并利用并行验证加速解码。在CoderEval和DevEval基准上，使用Qwen2.5-Coder和DeepSeek-Coder作为骨干模型时，MRCoder提升了代码生成准确率，同时减少了30%到50%的token消耗，推理时间降低最多52%。该方法相比现有RAG及上下文选择方法更高效地平衡了质量和计算开销。

论文 MRCoder Qwen2.5-Coder DeepSeek-Coder

推荐理由：MRCoder用Map-Reduce思路解决仓库级代码生成的上下文选择难题，比现有RAG方法节省30-50% token，推理快52%，在CoderEval和DevEval上准确率更高。

原文

09:20

官方一手arXiv: DeepSeek@Peiding Wang, Li Zhang, Fang Liu, Taichuan Li, Yinghao Zhu

CodeSpec提出双可执行规范方法，从子需求语义与仓库架构配对构建可靠功能链，并编译为互补的架构和行为规范。在FeatureBench上，使用DeepSeek-V4-Pro达到70.7%、55.0%和49.9%的通过率，优于Claude Code等基线。在NL2Repo-Bench上验证了泛化性。该方法通过可执行规范保证长周期开发中设计与实现的一致性。

论文 CodeSpec DeepSeek-V4-Pro FeatureBench

事件专题

推荐理由：这篇论文搞了个CodeSpec，让代码智能体在仓库里加新功能时先建可执行规范，在FeatureBench上用DeepSeek-V4-Pro跑到70.7%通过率，比Claude Code靠谱不少。

原文

00:15

lmarena.ai@lmarena_ai

82°

Anthropic 的 Claude Opus 5 (Max) 在 Agent Arena 中排名第二，基于超过 7000 次真实代理会话，净提升 11.88%。Opus 5 (High) 紧随其后排名第三，净提升 11.73%，两者均低于第一名 Fable 5，但高于 GPT-5.6 Sol (xHigh)。在 Frontend Code Arena 中，Opus 5 Max 排名第一，Opus 5 High 排名第三（落后于 Kimi K3）。在 Text Arena（事实性开启）中，Opus 5 Max 位列第一，Opus 5 High 第二。这些成绩基于全球社区的百万级真实长周期任务评测。

AI模型 Claude Opus 5 Agent Arena Anthropic

事件专题

推荐理由：Claude Opus 5 在 Agent Arena 和代码榜都冲进前三，Max 版更是双榜第一，比 GPT-5.6 还靠前，很强悍。

原文

7月28日

12:25

官方账号arXiv cs.AI@Fabian Kreppel, Reza Salkhordeh, Ferdinand Schmidt-Kaler, André Brinkmann

Claude Opus 4.7首次生成并迭代优化了离子阱穿梭编译器的完整Python代码，从线性分段陷阱扩展到有结架构，最终适用于广泛连接图。在基准量子电路测试中，线性架构的穿梭time steps减少76%，有结架构减少39%。对于密集连接、结丰富的架构，穿梭time steps比走廊式架构降低一个数量级。Claude Fable 5复现了结果，在大电路上超越手工编译器的次数更多。开发时间从数月缩短到数天。

论文 Claude Opus 4.7 Claude Fable 5 量子编译器

事件专题

推荐理由：论文用Claude Opus 4.7自动写量子穿梭编译器，性能超手工，开发时间从数月缩到数天，效率提升惊人。

原文

12:14

官方一手歸藏(guizang.ai)@op7418

归藏推文称 Codex 今天可能会重置。目前尚无具体版本号或新功能细节。用户需留意后续官方更新或重置后的参数变化。该重置可能影响基于 Codex 的编程工作流。

AI模型 Codex OpenAI 代码生成

事件专题

推荐理由：归藏说 Codex 要重置了，如果你在用 Codex 写代码，建议留意一下今天的变动。

原文

09:46

官方账号arXiv cs.LG@Ishpuneet Singh, Shreyas Mahajan, Gurjot Singh, Maninder Singh

一项研究评估了5款AI编码助手（如GitHub Copilot、Amazon CodeWhisperer等）在生成认证代码时的安全性，采用静态代码分析加动态渗透测试的双模态评估框架，并映射到NIST SP 800-63B标准。结果发现，基础或通用安全提示下生成的代码普遍缺少暴力破解防护、会话管理和密码处理等关键保护。即使给出一次性NIST提示，合规性虽有提升但仍结构不足。只有通过迭代重提示（Reprompting）迫使模型进行上下文自审计，才能实现完整的深度防御安全架构。研究证实当前AI编码助手无法默认生成安全代码，企业需从一次性提示转向持续、标准驱动的验证流程。

论文 LLM AI安全代码生成

推荐理由：想了解AI写代码到底安不安全？这篇论文用具体基准和测试告诉你，目前主流的编码助手都靠不住，必须用迭代重提示才能堵上漏洞。

原文

7月27日

12:15

官方账号arXiv cs.AI@Zhen Zhao, Qihang Yang, Feifei Dai, Xiangfang Li, Bo Li

MineValiCoder 提出一种协作闭环测试驱动开发（TDD）框架，包含三个模块：测试用例质量挖掘（TCQM）通过自验证过滤缺陷测试，并行TDD迭代优化生成高质量代码候选，二分图代码-测试互验（BiCoTeV）动态建模代码-测试交互进行可靠选择。在 HumanEval 上 Pass@1 达 96.34%，MBPP 上 87.40%，APPS 上 64.00%，LiveCodeBench 上 51.33%，显著优于现有方法。MineValiCoder 有效缓解了 LLM 随机性导致的不稳定代码生成问题。

论文 MineValiCoder 测试驱动开发代码生成

推荐理由：这篇论文用MineValiCoder框架搞定代码生成不可靠问题，HumanEval跑出96.34%通过率，比之前的方法强一截，搞LLM代码的同学值得看看。

原文

10:59

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA在代理芯片设计场景中测试了Nemotron 3 Ultra的RTL编码能力。该模型迭代编写芯片逻辑代码、通过仿真器运行、读取失败并重写。在九个真实设计工作类别中，Nemotron 3 Ultra平均通过率达97.1%，每次迭代消耗6629个tokens。这是测试中所有开源模型里表现最好的。

AI模型 Nemotron 3 Ultra NVIDIA RTL编码

事件专题

推荐理由：NVIDIA测了Nemotron 3 Ultra在芯片设计RTL编码上的表现，九类任务平均通过率97.1%，开源模型里最强，值得关注。

原文

7月24日

07:18

官方一手AWS Machine Learning Blog@Sandeep Singh

Amazon Bedrock Guardrails可配置为代码生成工作流加入安全防护，防止生成有害或不合规代码。本文详细介绍了如何结合编码助手（如Amazon Q Developer）设置内容过滤器、敏感信息屏蔽和主题限制。通过实施这些最佳实践，企业能实现有效的容量规划并确保安全覆盖。文中还提供了示例策略和配置步骤，帮助开发者快速落地。

技巧 Amazon Bedrock Guardrails 代码生成

推荐理由：AWS官方教你给代码生成加护栏，用Bedrock Guardrails防有害代码，还能规划容量，适合用编程助手的人。

原文

01:15

Lovable@lovable_dev

AI 开发平台 Lovable 今日宣布获得 AIUC-1 认证，该标准由 AI Underwriting 制定，是业界领先的第三方 AI 安全、可靠性和安全性基准。认证过程包括对不安全代码生成、密钥泄露等风险的压测。Lovable 成为首批通过该认证的平台之一。

行业 Lovable AIUC-1 AI安全

推荐理由：Lovable 拿到了 AIUC-1 安全认证，意味着它过了一道严格的代码安全测试关，用着放心。

原文