2021到2025年，程式碼大型語言模型（Code-LLMs）及相關生態系的演進概覽。
AI驅動的程式碼生成中，程式設計開發與研究領域的演變。
程式語言模型在HumanEval上的進展時間軸。
程式語言模型在SWE-bench-Verified上的進度時間軸。
2018到2025年，閉源大型語言模型的演進。
依架構分組的精選開源程式碼模型分類。
Kimi-K2-Instruct和Qwen3-Coder之間的架構比較。
在大型語言模型中，下一個token預測（NTP）和多token預測（MTP）訓練目標的比較。
模型訓練階段的概述。
編碼任務和基準的分類。
程式碼評估的總結指標。
合成程式碼對齊資料的三種典型方法。
用於對齊的最新強化學習演算法概述。
強化學習方法解決的編碼任務分類。
程式碼LLM安全對齊的資料產生流程。
論文連結– "From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence" https://t.co/MACzydrCIQ