Asgaut Mjølne Söderbom and Ola Hast discuss the evolution of their software engineering practices past continuous deployment and pair engineering. The conversation continues where it left off in...

Linux 编程接口（LPI）是开发者与 Linux 内核交互的桥梁，涵盖系统调用和标准库等核心组件。理解 LPI 的组件层次关系是高效编程的基础。文章讨论了进程管理、文件操作、进程间通信、信号处理、线程管理和网络编程，并强调最佳实践，如错误处理、资源清理和安全性。

This article provides an in-depth comparison of three leading AI programming tools in 2025—Cursor, Augment, and Claude Code—based on the author practical experience building a personal investment...

本文提出了一种新的整数规划模型，旨在解决幻想足球中预算限制下的球队选择问题。研究显示，该模型在2023/24赛季表现优异，为幻想足球策略提供了重要见解。

本研究提出了一种新方法GPRT，结合强化学习与遗传编程，旨在解决动态调度中的不可预测干扰问题。该方法在集装箱码头调度中展现出优于传统方法的适应性和有效性。

本研究提出了一种新颖的合成技术PyTaskSyn，通过专家与学生代理的多阶段互动，显著提升AI生成编程任务的质量、降低成本并增强学习者的参与度。

该研究提出了一种新方法，通过从Codeforces收集编程问题及其“黑客”案例，生成错误诱导测试案例。研究提供了一个包含288,617个测试的综合数据集，旨在提升大语言模型生成软件的测试效果。

本研究提出了一种全局切割选择（GCS）方法，结合二部图、图神经网络和强化学习，优化混合整数规划中的切割平面选择。GCS在求解效率上显著优于传统方法，具有广泛的应用潜力。

本文探讨了大型语言模型（LLMs）在生成经过验证的代码方面的能力，发现其生成高质量代码的能力与所需信息类型相关，这对提升代码可靠性至关重要。

本研究评估了大型语言模型（LLMs）在编程问题解决中的反馈生成能力。结果显示，63%的反馈提示准确且完整，表明LLMs在编程教育中的潜力与局限性，强调提升模型可靠性的重要性。

本研究提出了一种新的提示编程平台，旨在帮助计算学生有效与生成式AI工具互动。该平台支持真实对话，促进多功能问题解决，并允许即时代码执行。研究表明，学生在对话中积极参与，展现批判性思维，强调对话式编程学习的重要性。

本研究探讨大型语言模型（LLMs）在软件工程自动化中的应用，强调建立信任的重要性。结合LLMs与分析工具可以增强对代码的信任，改变未来的软件工程工作流程。

本研究解决了动态问题建模中的灵活性和整合性不足，扩展了答案集编程（ASP），并整合了动态、时间和度量逻辑，提升了其在工业环境中的应用潜力。

本研究提出了LP-LM系统，旨在解决大型语言模型在问答中产生虚构问题的现象。通过Prolog语义解析，确保回答的可靠性。实验结果表明，LP-LM在简单问题上始终提供准确答案，优于传统大型语言模型。

该研究提出Kozax框架，旨在解决遗传编程中适应性评估的高计算需求问题，支持大规模数据集和自定义运算符，展示了在科学计算中的优化潜力。

该研究提出了DPNL算法，旨在解决神经符号学习中的可扩展性问题，尤其是计算逻辑来源的复杂性。通过引导逻辑推理，DPNL显著提高了模型的准确性和可扩展性。实验结果表明，DPNL和ApproxDPNL方法表现优异。

该研究提出了一种新算法，结合动态规划和分支界限法，优化连续特征数据的分类树结构。实验结果显示，该算法的运行时间比现有方法快一个数量级，测试准确率提高了5%。