AI 大模型

代码大模型 / AI 编程

代码生成、软件工程智能体、程序修复、测试生成和开发者工具。

2026-01-23 至 2026-01-23 共收录 3 篇信号源：cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 仓库级理解 3 篇

2405.10739 2026-01-23 cs.CV cs.AI 57%

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）

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)

2601.15838 2026-01-23 cs.CV 50%

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）

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

2511.22049 2026-01-23 stat.ME 50%

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。