代码大模型 / AI 编程

Free and Customizable Code Documentation with LLMs: A Fine-Tuning Approach

基于LLM的免费且可定制的代码文档生成：一种微调方法

Sayak Chakrabarty, Souradip Pal

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Northwestern University（西北大学） ； School of Electrical & Computer Engineering（电气与计算机工程学院） ； Purdue University（普渡大学） 纠错

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

AI总结 本文提出一种基于LLM的免费代码文档生成工具，通过微调方法解决现有开源应用在成本和可定制性上的不足。

PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning

PrivORL: 用于离线强化学习的差分隐私合成数据集

Chen Gong, Zheng Liu, Kecen Li, Tianhao Wang

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 PrivORL通过差分隐私技术合成离线强化学习数据集，利用扩散模型和好奇心驱动预训练提升合成数据的多样性和保真度。

Comments Accepted at NDSS 2026; code available at https://github.com/2019ChenGong/PrivORL