每日论文精读 #063：非程序员用不好编码Agent，问题不在模型在交互
SWE-Journey基准揭示：面对软件架构师时模型功能测试通过率超75%，面对非程序员却不足25%，交互能力才是编码助手的真正瓶颈。
编码
每日论文精读 #058：SWE-Journey——非程序员用编程Agent，通过率不到25%
腾讯提出SWE-Journey基准：长程任务合成+人格化用户模拟，发现同一任务在软件架构师手中通过率78.5%，非程序员仅23%——瓶颈不是解题能力而是交互能力。
每日论文精读 #055：编码助手在真实多轮交互中仍不及格——非程序员用户场景通过率不足25%
腾讯SWE-Journey基准揭示：同一批长程编码任务，模型在软件架构师配合下Final F2P达78.5%，而在非程序员用户下仅23%，差距55.5个百分点——瓶颈不在解题能力而在交互能力。
每日论文精读 #048：PaperCompiler——用「规格编译」把论文忠实变成代码仓库
把论文证据编译成带所有权和禁止项的仓库级规格，Paper2CodeBench 忠实度相对提升13.8%，高严重性错误减半。
每日论文精读 #046：编码Agent通过率不降，代码却在悄悄变成面条
RepoReuse基准审计发现：编码Agent第5轮时50.8%的任务链留下重复实现，而通过率几乎不变——以测试为中心的评估对代码复用缺陷结构性失明。
每日论文精读 #042：PaperCompiler——把论文编译成规格说明，让AI生成的代码不再偷工减料
PaperCompiler 将论文证据编译为显式的仓库级实现规格（含不可降级约束、文件所有权与跨文件依赖），在 Paper2CodeBench 上参考保真度相对提升 13.8%，高危缺陷率减半。
每日论文精读 #039：别让中间计划丢细节——PaperCompiler把论文证据编译成仓库级规格说明
PaperCompiler把论文复现中的自由文本计划换成显式的仓库级规格说明：证据分级、需求到文件的归属映射、非退化约束，让生成代码对论文方法的保真度提升13.8%。
每日论文精读 #032：把论文『编译』成规格说明书再写代码——PaperCompiler让论文复现忠实度提升13.8%
NTU提出PaperCompiler，将论文证据编译为仓库级实现规格（含证据溯源、非降级约束、所有权图），在Paper2CodeBench上参考忠实度从3.64提升至4.15，高危缺陷率从13.2%降至6.1%。
每日论文精读 #025：论文复现代码总走样？把「计划」编译成文件级规约——PaperCompiler 基准保真度提升13.8%
NTU提出PaperCompiler：论文转代码的中间产物从自由格式的计划摘要改为显式的仓库级规约（需求规约+所有权图+文件契约），在Paper2CodeBench上参考保真度相对提升13.8%，高危缺陷率从13.2%降至6.1%。
每日论文精读 #019：对LLM施压真的有用吗？心理学影响策略在代码生成中的实证研究
用胁迫性、紧迫性语言给LLM下指令会显著降低代码正确性和安全性——18万次生成的大规模实证研究证明，对AI’施压’适得其反，而模型选择远比prompt措辞重要。