代码大模型 / AI 编程

A Comprehensive Survey on Long Context Language Modeling

对长上下文语言模型的全面综述

Jiaheng Liu, Dawei Zhu, Zhiqi Bai, Yancheng He, Huanxuan Liao, Haoran Que, Zekun Wang, Chenchen Zhang, Ge Zhang, Jiebin Zhang, Yuanxing Zhang, Zhuo Chen, Hangyu Guo, Shilong Li, Ziqiang Liu, Yong Shan, Yifan Song, Jiayi Tian, Wenhao Wu, Zhejian Zhou, Ruijie Zhu, Junlan Feng, Yang Gao, Shizhu He, Zhoujun Li, Tianyu Liu, Fanyu Meng, Wenbo Su, Yingshui Tan, Zili Wang, Jian Yang, Wei Ye, Bo Zheng, Wangchunshu Zhou, Wenhao Huang, Sujian Li, Zhaoxiang Zhang

专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.LG

AI总结 本文综述了长上下文语言模型的最新进展，涵盖模型构建、训练部署及评估分析，为研究人员和工程师提供全面的资源。

DISCO: A Browser-Based Privacy-Preserving Framework for Distributed Collaborative Learning

DISCO：一种基于浏览器的隐私保护分布式协作学习框架

Julien T. T. Vignoud, Valérian Rousset, Hugo El Guedj, Ignacio Aleman, Walid Bennaceur, Batuhan Faik Derinbay, Eduard Ďurech, Damien Gengler, Lucas Giordano, Felix Grimberg, Franziska Lippoldt, Christina Kopidaki, Jiafan Liu, Lauris Lopata, Nathan Maire, Paul Mansat, Martin Milenkoski, Emmanuel Omont, Güneş Özgün, Mina Petrović, Francesco Posa, Morgan Ridel, Giorgio Savini, Marcel Torne, Lucas Trognon, Alyssa Unell, Olena Zavertiaieva, Sai Praneeth Karimireddy, Tahseen Rabbani, Mary-Anne Hartley, Martin Jaggi

机构 * EPFL（瑞士联邦理工学院） ； University of Chicago（芝加哥大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG

AI总结 DISCO提供了一种基于浏览器的隐私保护分布式协作学习框架，允许非技术人员无需编程知识即可共同构建机器学习模型。

FISCAL: Financial Synthetic Claim-document Augmented Learning for Efficient Fact-Checking

FISCAL: 金融合成声明-文档增强学习用于高效事实核查

Rishab Sharma, Iman Saberi, Elham Alipour, Jie JW Wu, Fatemeh Fard

机构 * Charli Capital（Charli资本） ； University of British Columbia（不列颠哥伦比亚大学） ； Michigan Technological University（密歇根技术大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI

AI总结 FISCAL通过生成领域特定合成数据和高效微调，使小型模型在金融事实核查任务中达到最先进的准确性、鲁棒性和可扩展性。

Comments 3 tables, 11 pages, 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Generative AI in Finance

FunReason: Enhancing Large Language Models' Function Calling via Self-Refinement Multiscale Loss and Automated Data Refinement

FunReason: 通过自精炼多尺度损失和自动化数据精炼增强大语言模型的功能调用

Bingguang Hao, ZengZhuang Xu, Maolin Wang, Yuntao Wen, Yicheng Chen, Cunyin Peng, Long Chen, Dong Wang, Xiangyu Zhao, Jinjie Gu, Chenyi Zhuang, Ji Zhang

机构 * AWorld Team, Inclusion AI（AWorld Team，Inclusion AI） ； City University of Hong Kong（香港城市大学） ； Southwest Jiaotong University（西南交通大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG

AI总结 FunReason通过自精炼多尺度损失和自动化数据精炼方法，提升大语言模型的功能调用能力，实现性能接近GPT-4o并缓解微调中的灾难性遗忘。

Generative AI for Cel-Animation: A Survey

生成式AI用于动画：一种调查

Yolo Y. Tang, Junjia Guo, Pinxin Liu, Zhiyuan Wang, Hang Hua, Jia-Xing Zhong, Yunzhong Xiao, Chao Huang, Luchuan Song, Susan Liang, Yizhi Song, Liu He, Jing Bi, Mingqian Feng, Xinyang Li, Zeliang Zhang, Chenliang Xu

机构 * University of Rochester（罗切斯特大学） ； UCSB ； University of Oxford（牛津大学） ； CMU（卡内基梅隆大学） ； Purdue University（普渡大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI

AI总结 本文调查生成式AI如何通过自动化任务革新传统动画流程，降低技术门槛，扩大创作者群体，并促进艺术创新。

Comments Accepted by ICCV 2025 AISTORY Workshop

Quantum Framework for Wavelet Shrinkage

量子小波收缩框架

Brani Vidakovic

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出了一种量子小波收缩框架，通过受控退相干实现系数衰减，结合统计自适应性和量子幺正性，展示了如何利用量子机制替代经典去噪方法。

Comments 25 pages, 9 figures

Practitioners' Perspectives on a Differential Privacy Deployment Registry

从业者对差分隐私部署注册表的视角

Priyanka Nanayakkara, Elena Ghazi, Salil Vadhan

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出一个差分隐私部署注册表，旨在促进从业者共享学习和问责，通过设计交互式界面和用户研究，探讨其在隐私保护和数据实用性的应用与挑战。

gr-Orbit-Toolkit: A Python-Based Software for Simulating and Visualizing Relativistic Orbits

gr-Orbit-Toolkit：用于模拟和可视化相对论轨道的 Python 软件

Milagros Delgado, Wladimir E. Banda-Barragán

专题命中 仓库级理解 ：repository(abstract)

AI总结 gr-Orbit-Toolkit 是一种基于 Python 的软件，用于模拟和可视化经典和广义相对论中的轨道，通过数值积分方法验证了相对论轨道进动和不同偏心率下的轨道差异。

Comments Author's accepted manuscript of a chapter published in Information and Communication Technologies (TICEC 2025 Proceedings), Communications in Computer and Information Science, vol. 2707, Springer Nature Switzerland AG, 2026. The final authenticated version is available at: https://doi.org/10.1007/978-3-032-08366-1_20 15 pages, 4 figures

Journal ref Commun. Comput. Inf. Sci. 2707 (2026) 297-311