会员服务
Blueprint First, Model Second: A Framework for Deterministic LLM Workflow
Arxiv
0+阅读 · 6月16日
CODA-BENCH: Can Code Agents Handle Data-Intensive Tasks?
Arxiv
0+阅读 · 6月13日
Asuka-Bench: Benchmarking Code Agents on Underspecified User Intent and Multi-Round Refinement
Arxiv
0+阅读 · 6月4日
SecureVibeBench: Benchmarking Secure Vibe Coding of AI Agents via Reconstructing Vulnerability-Introducing Scenarios
Arxiv
0+阅读 · 6月6日
Coherence Collapse: Diagnosing Why Code Agents Fail After Reaching the Right Code
Arxiv
0+阅读 · 5月26日
RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations
Arxiv
0+阅读 · 5月25日
CRANE: Constrained Reasoning Injection for Code Agents via Nullspace Editing
Arxiv
0+阅读 · 6月9日
BeyondSWE: Can Current Code Agent Survive Beyond Single-Repo Bug Fixing?
Arxiv
0+阅读 · 5月26日
On the Road to Personalized Code Intelligence: Portraiting and Assisting Developers Based on Their In-IDE Behaviors
Arxiv
0+阅读 · 5月28日
MoCA-Agent: A Market-of-Claims Code Agent for Financial and Numerical Reasoning
Arxiv
0+阅读 · 6月10日
Is Compression Really Linear with Code Intelligence?
Arxiv
0+阅读 · 3月26日
Large Language Models for Multilingual Code Intelligence: A Survey
Arxiv
0+阅读 · 4月27日
Do Code LLMs Do Static Analysis?
Arxiv
0+阅读 · 3月26日
Automatically Benchmarking LLM Code Agents through Agent-Driven Annotation and Evaluation
Arxiv
0+阅读 · 3月16日
Code2Math: Can Your Code Agent Effectively Evolve Math Problems Through Exploration?
Arxiv
0+阅读 · 3月3日
参考链接
微信扫码咨询专知VIP会员
Top