标签
这篇博客文章认为，GitHub 的协作模式（分支、拉取请求、代码审查）已难以适应现代 AI 驱动的软件开发时代——在这个时代，LLM 和智能体以极高速度生成代码，因此需要重新思考工具和工作流程。
本文形式化描述了'拼凑问题'——即LLM生成的代码在局部正确但在整个代码库中结构上不连贯的现象，提出了一个八类故障分类法和一个混合验证框架，并证明许多故障能够避开现有工具。
本文提出一种源引导协议，其中LLM利用更强的同族源模型为弱目标模型生成候选修改方案，在CIFAR-10和SVHN基准测试上实现了显著的精度提升，同时解耦了迁移效应与适应效应。
Metal-Sci 推出了一项包含 10 个任务的基准测试，用于优化 Apple Silicon 上的科学计算内核，并配套了由大语言模型驱动的演化搜索框架。该研究评估了 Claude Opus 4.7、Gemini 3.1 Pro 和 GPT 5.5 等模型，在实现显著加速的同时，利用分布外测试来捕获静默的性能退化问题。
KernelBench-X是一个用于评估LLM生成GPU内核的新基准，揭示了任务结构对正确性的影响大于方法设计，且正确性并不保证硬件效率。