AI 大模型
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。
SymCode：通过可验证代码生成实现数学推理的神经符号方法
机构 * Portland State University（波特兰州立大学） ； ElastixAI
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.CL、cs.PL
AI总结 SymCode通过可验证代码生成实现数学推理，显著提升准确性并增强模型的透明度和可靠性。
Comments camera-ready EACL 2026 Findings
Style2Code: 一种具有双模态对比学习的可控制代码生成框架
机构 * ITMO University（ITMO大学） ； Saint Petersburg University（圣彼得堡大学）
专题命中 代码生成 ：code generation(title,abstract)；分类 cs.AI
AI总结 Style2Code通过双模态对比学习和条件解码实现风格可控的代码生成，提升风格控制的同时保持代码正确性。
MoSE：分层自蒸馏增强早期层嵌入
机构 * Apple（苹果公司）
专题命中 代码生成 ：repository(abstract)；分类 cs.SE、cs.CL、cs.AI
AI总结 MoSE通过自蒸馏机制增强早期层嵌入，实现代码检索与分类任务中的性能与准确性的平衡。
Comments Accepted in the AAAI 2026 Main Technical Track
FGGM：基于Fisher信息的梯度掩码用于持续学习
专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.LG
AI总结 FGGM通过基于Fisher信息的梯度掩码方法，有效缓解大语言模型的灾难性遗忘问题，在持续学习任务中表现出优于MIGU和监督微调的性能。
Comments Accepted by ICASSP 2026
超越保留：在连续学习中协调结构安全与可塑性
机构 * Yangtze Delta Region Institute of Tsinghua University（清华大学 Yangtze Delta 区研究所）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出OSW方法，通过正交子空间唤醒协调连续学习中的结构安全与可塑性，有效保留脆弱任务能力并维持新任务学习。
基于用户反馈的人工智能对编程答案的增强
机构 * University of Saskatchewan（萨斯喀彻温大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.SE、cs.AI
AI总结 本研究提出AUTOCOMBAT工具，利用用户反馈和问题上下文改进编程答案，实现近人类质量的提升，具有高实用价值。
Comments Preprint
学习协作：一种协同-去中心化框架用于点对点大语言模型联邦
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG
AI总结 KNEXA-FL通过协同去中心化框架提升点对点大语言模型联邦学习的效率与稳定性
Comments Accepted to AAAI 2026. 13 pages, 3 figures, 10 tables. Code available at: https://github.com/FujitsuResearch/knexa-fl
在GitHub上指纹识别AI编码代理
专题命中 软件智能体 ：coding agent(title,abstract)；repository(abstract)；分类 cs.SE
AI总结 该研究通过分析GitHub上的拉取请求，识别AI编码代理的行为特征，揭示了AI生成代码的独特模式，为软件仓库中AI贡献的检测提供了新的方法。
Comments Accepted at the 23rd International Conference on Mining Software Repositories (MSR '26)
CooperBench：为何编码代理还不能成为你的队友
机构 * Stanford University（斯坦福大学） ； SAP Labs US（SAP美国实验室）
专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 CooperBench通过大规模协作编码任务测试，发现AI代理在团队协作中表现不佳，揭示了沟通障碍、承诺偏离和期望错误等关键问题，呼吁发展社交智能。
Comments https://cooperbench.com First two authors contribute equally. The 3th - 6th authors contribute equally
分析AI编码代理生成的拉取请求中的消息-代码不一致
机构 * King's College London（伦敦大学国王学院） ； University of Trieste（特里斯特大学） ； Harbin Normal University（哈尔滨师范大学）
专题命中 软件智能体 ：coding agent(title,abstract)；分类 cs.SE、cs.AI
AI总结 研究发现AI生成的PR描述中存在显著的消息-代码不一致问题，导致接受率降低和合并时间延长，需加强验证机制和生成优化以提升人机协作的可信度。
Comments Accepted by MSR'26 Mining Challenge Track
代码变更特征与描述对齐：代理与人类拉取请求的比较研究
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE
AI总结 研究比较了代理与人类生成的拉取请求在代码变更特征和描述质量上的差异，发现代理在提交级消息质量上表现更好，但在PR级总结上不如人类，揭示了代理在微观精确性与宏观沟通之间的差距。
Comments Accepted at the 23rd International Conference on Mining Software Repositories (MSR '26)
RGFL：基于大语言模型的自动化程序修复中的推理引导故障定位
专题命中 程序修复 ：program repair(title,abstract)；分类 cs.SE
AI总结 RGFL通过引入分层推理模块和反事实分析，提升自动化程序修复中的文件和元素级故障定位精度，显著提高修复成功率。
Comments 23 pages, 5 figures
多智能体端到端漏洞管理用于缓解重复漏洞
专题命中 程序修复 ：repository(abstract)；分类 cs.SE
AI总结 MAVM通过多智能体框架实现端到端重复漏洞管理，整合知识库、检测、确认、修复和验证，有效提升漏洞修复准确率。
TAM-Eval: 评估用于自动单元测试维护的LLM
机构 * Both authors contributed equally to this research.（共同作者）
专题命中 测试生成 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 TAM-Eval提出一个评估LLM在自动单元测试维护能力的框架和基准，通过测试套件创建、修复和更新三个场景，揭示LLM在真实测试维护中的局限性。
Comments Accepted for publication at the 9th Workshop on Validation, Analysis and Evolution of Software Tests (VST 2026), co-located with the the 33rd IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER 2026)
SiMiC：基于注意力卷积神经网络的硅微结构上下文感知表征用于场发射尖端分析
机构 * Department of Mechatronics and Biomedical Engineering, Lee Kong Chian Faculty of Engineering and Science, Universiti Tunku Abdul Rahman, Malaysia（机电与生物医学工程系，Lee Kong Chian工程与科学学院，塔努克阿卜杜勒拉曼大学，马来西亚） ； KETEK GmbH, Munich, Germany（KETEK公司，慕尼黑，德国）
专题命中 代码评测 ：repository(abstract)；分类 cs.AI
AI总结 SiMiC利用注意力卷积神经网络对场发射尖端的硅微结构进行上下文感知表征，提升微结构分析的精度与可解释性。
Journal ref Journal of Vacuum Science and Technology B (2025)
大模型能帮你清理数据吗？基于大模型的应用级数据准备综述
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xiaohongshu Inc.（小红书公司） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团）
专题命中 代码评测 ：分类 cs.CL、cs.AI、cs.LG；repository(comments)
AI总结 本文综述了基于大语言模型的应用级数据准备方法，探讨了数据清洗、整合与丰富三大任务的技术、优势与局限，并提出了可扩展的大语言模型-数据系统和稳健评估协议的未来研究方向。
Comments Please refer to our repository for more details: https://github.com/weAIDB/awesome-data-llm
Hugging Face预训练语言模型与其上游GitHub仓库之间的同步研究
专题命中 仓库级理解 ：repository(title)；分类 cs.SE
AI总结 研究Hugging Face预训练语言模型与GitHub仓库之间的同步问题，发现不同平台的贡献者关注点差异及同步模式，揭示跨平台发布实践中的结构性断开。
Comments Revised version incorporating substantial changes following peer review
学习分组晶格向量量化器以实现低比特LLM压缩
机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Southwest Jiaotong University（西南交通大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出分组晶格向量量化器，通过学习生成矩阵优化低比特LLM压缩，实现模型大小与精度的平衡。
Comments NeurIPS 2025 Poster
CUROCKET：优化ROCKET以适应GPU
机构 * Institute of Aircraft Production Technology , Hamburg University of Technology（航空制造技术研究所、汉堡技术大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 CUROCKET通过优化算法在GPU上高效执行ROCKET，提升每瓦计算效率达11倍。
基于隐式神经表示的连续单图像超分辨率：一项实证研究
机构 * The University of Western Australia（西澳大学）
专题命中 仓库级理解 ：repository(abstract)
AI总结 本文通过实证研究探讨了隐式神经表示在连续单图像超分辨率中的有效性，揭示了训练配置对性能的关键影响，并提出了一种增强纹理保真的新损失函数。
面向AI原生O-RAN边缘的高效自学习与模型版本管理
专题命中 仓库级理解 ：repository(abstract)
AI总结 本文提出了一种自学习框架，用于高效管理AI原生O-RAN边缘的模型版本，通过强化学习驱动决策提升服务质量和系统稳定性。
Comments This paper is uploaded here for research community, thus it is for non-commercial purposes
BickGraphing：基于网页的应用程序用于音频录音的可视化检查
专题命中 仓库级理解 ：repository(abstract)
AI总结 BickGraphing是一款基于网页的音频可视化工具，支持本地处理和交互式探索音频数据，适用于昆虫生物声学及相关领域的研究。
Comments 11 pages, 4 figures for submission in Journal of Open Research Software
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈