用途：该合集用于调研面向代码的大语言模型（Code LLM）研究，配套一篇 TMLR 综述论文，对预训练、微调、评测与应用进行系统分类，跟踪 500+ 篇论文。
主要能力与分类：其分类体系分为四部分。预训练按架构分为仅编码器（CodeBERT、GraphCodeBERT）、仅解码器（Codex、CodeGen、StarCoder、DeepSeek-Coder）和编码器-解码器（CodeT5、PLBART）；微调与对齐包括指令微调（WizardCoder、Magicoder）、面向代码的 RLHF（CodeRL）与自博弈（AlphaCode）；应用涵盖代码生成（自然语言到代码）、代码补全、代码修复、代码翻译、代码摘要、测试生成与代码审查；评测包括基准（HumanEval、MBPP、SWE-bench）、指标（pass@k、CodeBLEU）与安全分析。
关键模型时间线：CodeBERT（2020，Microsoft，125M）、Codex（2021，OpenAI，12B）、AlphaCode（2022，DeepMind，41B）、StarCoder（2023，BigCode，15B）、CodeLlama（2023，Meta，34B）、DeepSeek-Coder（2024，DeepSeek，33B）、Qwen2.5-Coder（2024，Alibaba，32B）。
使用方式：资料给出 HumanEval 分数跟踪示例，以字典记录 GPT-4、Claude 3.5 Sonnet 等模型的 pass@1/pass@10 并排序输出；还用 arxiv 库示例按主题检索近期论文，如 find_code_llm_papers("code generation")。
适用场景：文献综述与研究版图梳理、模型选型对比、基准表现跟踪、研究规划与趋势识别，以及软件工程与 AI 交叉课程材料。
限制：页面仅提供分类、模型时间线、基准示例与检索片段，未给出完整论文清单、详细方法说明或数据更新日期；基准数值与研究方向属于资料所载内容，具体准确性需以原始论文与官方榜单为准。