标签
本文介绍了aDSL，一种协同设计的领域特定语言和多代理系统，通过关系运算符和迭代反馈改进大语言模型驱动的3D程序合成，增强3D内容创建的鲁棒性和可控性。
本文探讨了重复出现的 LLM 工作负载是否可以在适当情况下被自动合成的、由类型化 ML/NLP 算子组成的确定性流水线所替代，并征求关于可行性和方法的反馈。
This paper introduces two library combinators, prune and defrel/bank, that bring bottom-up enumeration with observational deduplication to miniKanren relational programming, improving program-by-example synthesis performance.
本文介绍 Brevis，一种无损张量压缩方法，它将压缩形式化为使用类型化 DSL 的程序合成。该方法在公开检查点上实现了 33.93% 的存储缩减，性能优于通用压缩器和张量专用压缩器。
SpecFirst 提出将行为规范获取作为基于智能体的程序合成中的首要步骤，将其与探索和编码分离。在 200 个程序实例上进行评估，它在多个模型上显著提高了测试通过率和二进制探索覆盖率。
MindForge 是一个自动化管道，将开源命令行程序转换为无源码的训练环境，供小型语言模型使用。在由 GLM-5.2 生成的轨迹上微调 Qwen3.6-27B，显著提升了其在软件工程基准测试中的表现，取得了与更大模型相当的结果。
ARCANA是一个反射式多智能体框架，将ARC-AGI-2抽象推理任务分解为迭代感知、假设生成、符号执行和反射精炼，在严格约束下提升推理效率。
Anima Anandkumar 宣布其团队在 ICML 研讨会上发表了四篇与 Lean 相关的论文，涵盖验证机器学习系统、函数式程序合成、证明助手互操作性以及科学推理，将 Lean 定位为 AI 的基础设施。
本文提出了面向ARC-AGI-1的经济型智能体框架，通过探索者-定义者流水线和反思型协调器，使用DeepSeek V3.2无需微调即可实现强大性能，以低成本达到67.25%的pass@2。
François Chollet预测AI将收敛于直觉引导的符号世界建模，具体来说是深度学习引导的程序合成，这允许系统利用最少数据构建紧凑、可复用且可泛化的心智模型。
介绍了AlgoEvolve，一个LLM驱动的进化框架，用于生成并迭代改进算法交易策略。该框架包含一个元进化外层循环，用于进化提示词以指导内层循环的合成。
介绍进化程序性瓶颈（EPB），一种通过LLM驱动的进化将黑箱模型蒸馏为人类可读的程序组合以解读神经组合优化策略的框架。
讨论AI生成代码中形式规范的必要性，并介绍PICK，一种利用人类判断帮助程序员为LLM生成的正则表达式指定所需属性的工具。
文章介绍了‘提升E-Graphs’，这是一种改进的e-graph方法，它显式编码函数的上下文（维度），以解决变量命名、遗漏共享和意外过度共享的问题，该方法基于从R^n到R的函数语义模型。
本文提出将反例引导学习用于LLM执行正则表达式归纳，其中验证器提供反例以优化候选表达式。该方法显著提高了具有挑战性任务上的样本效率和成功率，表明LLM可以从结构化反馈中受益，而不仅仅是将其视为额外数据。
介绍了 Semantic Reification，一种随机程序生成的新范式，如本研究论文所述。
本文重新将医院机制设计表述为语言模型的程序合成，使用多智能体模拟器（Medi-Sim）在策略性提供者响应下评估政策规则。它展示了跨提供者渠道的压力迁移，并合成了一种可检查的混合目标程序，该程序减少了向上编码和拒绝，同时保留了资金。
RPS是一种受神经科学启发的两阶段LLM后训练方法，结合了课程学习和学习率衰减。初步结果显示，与等学习率训练相比，在Qwen3-8b上程序合成可靠性得到提升。
介绍了Alice，一个闭环系统，通过将失败的候选更新视为结构信号，在先验不对齐的情况下在线学习可执行世界模型，在具有语义重新映射标签的Baba Is You变体上实现了改进的性能。