代码大模型 / AI 编程

TDFlow: Agentic Workflows for Test Driven Development

TDFlow: 为测试驱动开发设计的代理工作流

Kevin Han, Siddharth Maddikayala, Tim Knappe, Om Patel, Austen Liao, Amir Barati Farimani

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego（南加州大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 程序修复 ：program repair(abstract)；repository(abstract)；分类 cs.SE、cs.AI

AI总结 TDFlow通过测试驱动的工作流实现人类水平的测试解析，提升软件修复性能。

Comments Published in the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026 Main Conference)

Efficient Multimodal Large Language Models: A Survey

高效多模态大语言模型：综述

Yizhang Jin, Jian Li, Yexin Liu, Tianjun Gu, Kai Wu, Zhengkai Jiang, Muyang He, Bo Zhao, Xin Tan, Zhenye Gan, Yabiao Wang, Chengjie Wang, Lizhuang Ma

机构 * Youtu Lab, Tencent（腾讯优图实验室） ； SJTU（上海交通大学） ； BAAI（北京人工智能研究院） ； ECNU（华东师范大学） 纠错

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

AI总结 本文综述了高效多模态大语言模型的发展现状，探讨了其高效结构、策略及应用，并展望了未来研究方向。

Comments Accepted by Visual Intelligence

Journal ref Visual Intelligence, Volume 3, article number 27, (2025)

TinySense: Effective CSI Compression for Scalable and Accurate Wi-Fi Sensing

TinySense: 有效的CSI压缩以实现可扩展且准确的Wi-Fi传感

Toan Gian, Dung T. Tran, Viet Quoc Pham, Francesco Restuccia, Van-Dinh Nguyen

机构 * Smart Green Transformation Center (GREEN-X)（智能绿色转型中心（GREEN-X）） ； Department of Electrical & Computer Engineering（电气与计算机工程系） ； School of Computer Science and Statistics（计算机科学与统计学学院） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 TinySense通过VQGAN和Transformer模型实现高效的CSI压缩，提升Wi-Fi传感的可扩展性和准确性，同时减少延迟和网络开销。

Comments 10 pages. This paper has been accepted for publication in IEEE PerCom 2026

Univariate-Guided Sparse Regression for Biobank-Scale High-Dimensional Omics Data

单变量引导的稀疏回归用于生物银行级高维组学数据

Joshua Richland, Tuomo Kiiskinen, William Wang, Sophia Lu, Balasubramanian Narasimhan, Trevor Hastie, Manuel Rivas, Robert Tibshirani

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出了一种用于高维组学数据的单变量引导稀疏回归方法，通过两阶段惩罚回归提升特征选择和模型可解释性，并在生物银行数据中实现了预测性能与标准Lasso相当的稀疏模型。

Lost in Transcription: How Speech-to-Text Errors Derail Code Understanding

迷失在转录中：语音转文本错误如何阻碍代码理解

Jayant Havare, Ashish Mittal, Srikanth Tamilselvam, Ganesh Ramakrishnan

机构 * IIT Bombay（印度理工学院班加罗尔分校） ； IBM Research（IBM研究） 纠错

专题命中 其他AI编程 ：code model(abstract)；分类 cs.SE、cs.AI

AI总结 本文提出一个多语言语音驱动的代码理解框架，通过改进语音转录和代码理解，解决多语言和语音驱动编程工具中的转录错误问题。