两篇代码LLM论文入选EMNLP2026

2026年10月25日消息，两篇代码大模型（LLM）论文入选EMNLP2026。据AGI Hunt报道，其中一篇论文关注对LLM生成的Web应用的评估，主张以契约为锚，检验生成结果是否符合规格要求，而不只是看它能否运行；另一篇论文提出执行驱动的代码生成与自验证共进化方法，让代码LLM通过学会验证来提升可靠性。两篇论文的作者分别来自香港科技大学（广州）、香港科技大学与韩国ETRI。报道未披露论文的具体题目、实验数据与录用形式等细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。