machine language
PulseAugur coverage of machine language — every cluster mentioning machine language across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新基准揭示LLM在代码生成和翻译方面的局限性
引入了两个新的基准测试E2E-SWE和ORCA，以评估大型语言模型（LLM）在复杂编码任务中的能力。E2E-SWE侧重于LLM从头开始生成整个软件存储库的能力，使用11种编程语言对13个前沿模型进行了测试，结果显示性能差异显著。另一方面，ORCA评估LLM在数据科学库之间翻译代码的熟练程度，结果表明即使是像Claude Opus-4.6这样的先进模型也难以胜任这项任务，这促使开发了一种意图增强的翻译方法。
-
新的 MCR-Bench 基准测试评估多轮代码审查中的 LLM
研究人员推出了 MCR-Bench，这是一个新颖的基准测试，旨在评估大型语言模型 (LLM) 在现实、多轮代码审查场景中的能力。与以前的静态方法不同，MCR-Bench 捕捉了代码审查的动态、迭代性质，并结合了五种编程语言的缺陷元数据和跨轮状态注释。实验表明，当前主流 LLM 在缺陷检测和状态跟踪方面存在困难，尤其是在交互轮数增加的情况下，并且在不同缺陷类型和严重性级别上表现各异。
-
论文提倡在软件开发中结合测试、规范和证明
一篇题为“摆脱流沙：行动的呼吁”的新论文主张采用一种结合测试、规范和数学证明的务实软件开发方法。作者认为，尽管当前的开发实践取得了成功，但它们积累了大量的技术债务和风险，而这些风险因 AI 赋能的工程而加剧。他们建议在传统代码和测试的同时，逐步协同开发可执行的局部规范，以改善 AI 和人类开发者的反馈循环。该论文呼吁创建语义基础设施来支持这些更强大的反馈机制。
-
开发者权衡 AI 在编码工作流中的作用并比较工具 · 跟踪 10 个来源
开发者正在讨论他们将 AI 集成到编码工作流中的经验和首选工具。一些人发现 AI 有助于创建原型和现代化遗留系统等任务，而另一些人则质疑其持续的实用性，并比较了 Claude Code 和 Codex 等不同的 AI 编码助手。讨论还涉及管理 AI 生成的代码和研究论文的挑战。