速報
GenDB 用 LLM 生成查詢程式碼，傳統資料庫引擎面臨挑戰
傳統查詢處理引擎因內部複雜性而難以擴展，開發新系統成本高昂。為解決此問題，研究團隊推出 GenDB，這是一款生成式查詢引擎，利用大型語言模型（LLM）代理自動生成針對特定數據、工作負載和硬體資源最佳化的查詢執行程式碼。早期原型適用於重複性高的模板化查詢，前期生成成本可透過多次執行攤銷，並經由模糊測試與人工檢查確保正確性。
程式碼生成
深度分析
ExecuGraph 多代理人框架：以執行驗證驅動的後端程式碼生成方法
後端程式碼生成常因缺乏執行驗證而產生語義錯誤。ExecuGraph 提出基於 LangGraph 的多代理人架構，以執行結果為唯一驗收標準。在 HumanEval 上領先單次生成 3.1 個百分點，但內部 30 題庫的統計差異未達顯著，顯示效益與模型規模相關。
深度分析
Vector-Bench 評估：AI 模型 SVG 編輯精確度僅 2.35%，修復與保留難兩全
Vector-Bench 是一個針對 SVG 指令式編輯的嚴謹基準測試，包含 40 個修復任務，每個任務配對一個損壞的 SVG 程式碼與作者撰寫的視覺指令、隱藏的目標程式碼、平均 5.05 個註釋修復和 60.55 個保護物件。指令僅描述可見缺陷，不暴露元素識別碼、座標、顏色碼或路徑資料。
速報
多語言提示影響大型語言模型程式碼生成：GPT‑4o mini、DeepSeek、Claude測試
研究探討不同語言提示對大型語言模型程式碼生成的影響，將 460 個 Python 與 Java 任務的英文提示翻譯成四種語言，測試 GPT‑4o mini、DeepSeek、Claude。結果顯示英文提示未必最佳，語言影響視程式語言與模型而定，生成程式碼常混用英語與提示語言。
深度分析
以可驗證獎勵強化學習訓練 Qwen2.5‑Coder：四大商業模型教師的比較研究
研究以執行驗證方式比較四大前沿 AI 教師，發現模仿訓練未提升程式碼學生，反而以可驗證獎勵的強化學習提升表現，顯示教師合作應聚焦於環境建構。在硬體成本與模型版權爭議下，此研究提供可復現的本地化管線，對開發者與產業具參考價值。此結果也暗示未來 AI 教師的合作模式可能重塑開源社群與商業授權的平衡。
深度分析
「實證計算」：以大型語言模型 (LLM) 驅動的全新程式設計範式與實驗結果
隨著大型語言模型生成程式碼的普及，研究者提出「實證計算」概念，透過自然語言提示直接求解問題，結果以最可能正確為依據。實驗顯示在排序與子集和等任務上可達近乎正確，相較於傳統程式化流程，實證計算免除格式合約，提供更彈性但亦帶來正確性不確定性，預計將推動AI工具安全基礎設施的重新設計。
深度分析
Mellum2：針對文字與程式碼的 12 B MoE 模型，推理成本僅 2.5 B 參數
JetBrains 於 2026 年 6 月正式發佈 Mellum2，一款 12 B 參數的 Mixture‑of‑Experts（MoE）模型，採用每個 token 只啟動約 2.5 B 參數的設計，使推理速度比同規模開源模型提升逾兩倍，並以 Apache 2.0 授權釋出。該模型聚焦文字與程式碼工作負載，適用於路由、檢索增強生成（RAG）與私有部署等高頻 AI 任務，為開發者提供更快且可自行管理的選項。
Ponytail
Ponytail 開源工具：跨模型 AI 代理實測減半程式碼並提升效能
Ponytail是一個讓AI代理以最簡潔方式產出程式碼的開源工具，支援16種代理，測試顯示可減少約54%以上的程式碼量，成本下降20%，速度提升27%，同時保持安全防護。在GitHub上已獲得超過69000顆星，且適用於Claude、Cursor等多種大型語言模型，為開發者提供一行解決方案的懶人選項。
深度分析
多代理 LLM 團隊的親和力配置與任務表現：結構化與非結構化比較
研究探討在多代理大型語言模型團隊中，透過高低親和力個性提示，對結構化程式碼、開放式研究與競爭議價三種任務的表現差異。結果顯示，程式碼任務因格式限制對績效影響有限，然而在研究與議價任務中，低親和力顯著降低里程碑完成度，說明任務結構是個性組成效應的關鍵調節因素。
深度分析
「UOJ‑Bench」評測大型語言模型的程式碼生成、破解與修復能力
研究以競程平台 UOJ 為基礎，推出 UOJ‑Bench 評測大型語言模型的程式碼生成、破解與修復能力。測試顯示即使單次推論模型仍無法發現超過半數錯誤；透過測試時間擴展可提升至 90% 以上，但計算成本高。此結果暗示 LLM 可成為判題系統的輔助工具，需權衡效能與資源。
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。