paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
YC

Yuhan Cao

COLM 2026NeurIPS 2026评测与基准对齐与偏好代码智能体与工具
新星分贡献者
45
一作贡献0
核心/参与10
方向广度11
合作网络12
0 一作 · 2 篇 · COLM 2026 / NeurIPS 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
作者位次 #15/40COLM 2026Poster· Poster Session 3· Grand Ballroom· #122

BigCodeArena: A Platform for Executable Code Generation Evaluation

Terry Yue Zhuo · Xiaolong Jin · Hange Liu · Juyong Jiang · Tianyang Liu · Chen GONG · Bhupesh Bishnoi · Vaisakhi Mishra · Marek Suppa · Noah Ziems · Saiteja Utpala · Ming Xu · Guangyu Song · Kaixin Li · Yuhan Cao · Bo Liu · Zheng Liu · Sabina Abdurakhmanova · Wenhao Yu · Mengzhao Jia · Jihan Yao · Kenneth Hamilton · Kumar Shridhar · Vu Minh Chien · Dingmin Wang · Jiawei Liu · Zijian Wang · Qian Liu · Binyuan Hui · Meg Risdal · Ahsen Khaliq · Atin Sood · Zhenchang Xing · Wasi Uddin Ahmad · John C. Grundy · David Lo · Banghua Zhu · Xiaoning Du · Torsten Scholak · Leandro von Werra

We built a platform for executable code generation evaluation and analyzed the 14K collected data.

摘要

Crowdsourced evaluation platforms such as Chatbot Arena enable real-time human assessment of model responses, but evaluating LLM-generated code remains challenging due to long outputs and the need to reason about execution behavior. We introduce BigCodeArena, an open human evaluation platform for code generation with an on-the-fly execution backend. BigCodeArena executes LLM-generated code and allows humans to interact directly with execution processes and outcomes. We collect over 14K code-centric conversations across 10 widely used LLMs, spanning 10 programming languages and 8 execution environments, including more than 4.7K multi-turn samples with pairwise human preferences. Our analysis reveals fine-grained preferences across tasks, languages, and frameworks. With the collected data, we construct two benchmarks: BigCodeReward, which measures alignment between reward models and human preferences, and AutoCodeArena, an automated Elo-style benchmark for code generation. Results show that execution feedback improves preference modeling, and that proprietary models such as GPT-5 and Claude-4 variants remain strong performers.

评测与基准对齐与偏好代码code generationlarge language modelshuman preferencellm-as-a-judgeOpenReview
作者位次 #6/262NeurIPS 2026Poster

Agents' Last Exam

Yiyou Sun · Xinyang Han · Weichen Zhang · Yuanbo Pang · Tianyu Wang · Yuhan Cao · Yixiao Huang · Christopher Duroiu · Haoyun Zhang · Jeffrey Lin · Weishu Zhang · Tianren Zeng · Ying Yan · Bo Liu · Hanson Wen · Mingyang Xu · Xiaoyuan Liu · Zimeng Chen · Weiyan Shi · Amanda Dsouza · Vincent Chen · Yushan Li · Wenxi Deng · Huiqi Wang · Justin Xu · Tao Sun · Zhun Wang · Chris Liu · Yafei Cheng · Rongwang Hu · Aras Bacho · Shengcao Cao · Zengyi Qin · Yixiong Chen · Hengduan Fan · Hao Liu · Lin Zeng · Shashank M Bharadwaj · Litian Gong · Maojia Song · Ruheng Wang · Zongzheng Zhang · Jianhong Tu · Zhonghua Wang · Zheng Zhang · Zijiao Chen · Yanqiong Jiang · Zhendong Li · Bohan Lyu · Ma Chang · Peiran Xu · Benran Zhang · Shangding Gu · Haoyue Hua · Haoyang Li · Wanzhe Liao · Chengzhi Liu · Junbo Peng · Zechen Xu · Bo Chen · Jiayi Cheng · Yi Jiang · Maggie Kuang · Yuan Li · Youbang Pan · Ziyan Rao · Alexander Schubert · Ivan Shen · Vincent Siu · Xiatao Sun · Xiaopan Zhang · Yuchen Zhu · Ishaan S Chandok · Lei Ding · Jingxuan Fan · Andrew Glover · Jiaming Hu · Yiran HU · Wenbo Huang · Haoran Jin · Lukas Kim · Ming Liu · Alireza Rafiei · Kunyang Sun · Ting Sun · Yingze Wang · Yixin Wang · Hanwen Xing · Sihan Xu · Yuzheng Xu · Zhongxing Xu · Zhiling Yan · Boqin Yuan · Ruiqi Zhang · Yifan Zhang · Zibo Zhao · Haoyue Bai · Carlo Bosio · Joe Cavanagh · Tianxing Chen · Yipu Chen · CHENYU ZHU · Chen Dai · Stefano De Castro · Yunfu Deng · Kaustubh Dhole · Jiayuan Ding · Chenchen Du · Zhehang Du · Hao Fan · Run-Ze Fan · Hengyu Fu · Shi Gu · Yifan Gu · Baihe Huang · Baixiang Huang · Ran Jin · Xin Lan · Joseph Lee · Deren Lei · Chenyu Li · Daofeng Li · Jingyan Li · Yi Li · Yuangang Li · Zhixu Li · Yinsheng Li · Wenyu Liang · Longtai Liao · Kevin Qinghong Lin · Zeyi (Andy) Liu · Jiaming Liu · Kaiyuan Liu · Xuan Liu · Pan Lu · Yicheng Lyu · Qiuyang Mang · Kyle Montgomery · Ruoxi Ning · Jorin Overwiening · Xu Pan · Core Francisco Park · Justin Purnomo · Scott Rankin · Bixuan Ren · HaoYang Shang · Hejia Shen · JIAWEI SHEN · Shi Qiu · Tianneng Shi · Jonah So · Vladislav Susoy · Haocheng Wang · Jialu Wang · Wei Wang · Xinyu J Wang · Zehao Wang · Ruoxi Wu · Dehao Wu · Fangyu Wu · Mengyuan Millie Wu · Yu Wu · Yuchen Wu · Yuhao Wu · Qingpo Wuwu · Weihang Xiao · Yongyi Xiong · Fan Xu · Ruiling Xu · Mingxuan Yan · Benjamin Yang · Jirong Yang · Xiaoli Yang · Yushi Yang · Haoran Ye · Xiaohu Yu · Zhengming Yu · Chenlong Zhang · Chi Zhang · Hanning Zhang · Hanwen Zhang · Junge Zhang · Kunpeng Zhang · Song Zhang · Wenjin Zhang · Wenshuo Zhang · Qijian Zhao · Yimin Zhao · Yuhaohua Zheng · Liwei Zhou · Tianyue Zhou · Sichen Zhu · Yan Zhu · Yishu Zhu · Jerry Zuo · Chonghao Cai · Helena Casademunt · Cheng Cheng · Nawen Deng · Rao Fu · Yifan Han · He Ren · Zhenyu He · Qiao Jin · Langlang Li · Yuetai Li · Lu Lu · Luqing Zhou · Subhabrata Mukherjee · Yunqi Ouyang · Yin Ren · Dawei Shi · Haoran Wu · Zhiyue Wu · Hannah Yao · Zhuoran Yi · Jenny Yu · Rhea Zhan · Hang Zhou · Shiqiao Zhu · Junfan Zhu · Zhen Dong · Ali Emami · Yanjun Gao · Haimin Hu · Erika J Schneider · Zhenglu Li · Jiachen Li · Lihui Liu · Murphy Niu · Yi Shao · Wenqi Shi · Lichao Sun · Jianxin Sun · Chenguang Wang · Xuhai "Orson" Xu · Huaxiu Yao · Aylin Caliskan · Jing Huang · Yang Liu · Mark W Mueller · Russell Poldrack · Sanjiv R Das · Zhiyong Lu · Radha Poovendran · Somayeh Sojoudi · Costas J Spanos · Molei Tao · Mikko Tolonen · Ting Wang · Alan Yuille · Patrick Bryant · Carl Boettiger · Arvind Rao · Tapio Schneider · Georgios N Yannakakis · Laure Zanna · Ida Sim · Tarek Zohdi · Jack Gallant · Teresa Head-Gordon · Dawn Song

智能体与工具OpenReview

常见合作者