[LG]《Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code》N Mündler-Sasahara, H Venev, D Song, M Vechev… [ETH Zurich & INSAIT and Sofia University & UC Berkeley] (2026)

在 AI 代码生成领域，确保代码符合 Rust 等严苛语言的静态语义是一个悬而未决的难题。过去的方法要么受困于“后验反馈”的滞后性（写完才报错，导致错误累积），要么受困于“约束解码”的实现成本（需重写编译器逻辑且不支持黑盒模型），本质原因是现有编译器无法直接理解和检查不完整的代码片段。

本文的核心洞见是：通过一种轻量级的“封闭器”（Sealor）机制，将生成中的部分代码重新看作可编译的完整程序。由此，通过自动补全缺失语法、插入类型占位符（如 holeval()）等关键操作，使标准编译器能够在生成过程中实时诊断部分程序的合法性。这种方法既保留了真实编译器的严谨性，又无需访问模型内部参数，实现了对黑盒模型的即时纠错。

这项工作真正留下的遗产是证明了“语法引导的转化”足以让成熟编译器成为 AI 生成过程中的一等公民。它为后来者打开的新门是构建低延迟、高精度的实时学术辅助编程系统，显著降低了复杂语言的生成错误率；但尚未跨过的门槛是如何在不损失性能的前提下，将更深层的语义意图（而非仅是类型正确性）纳入这种实时反馈循环中。

arxiv.org/abs/2607.13921 机器学习 人工智能 论文 AI创造营