代码大模型 / AI 编程

The Stackage Repository: An Exploratory Study of its Evolution

Stackage仓库：对其演变的探索性研究

Paul Leger, Felipe Ruiz, Nicolás Sepúlveda, Ismael Figueroa, Nicolás Cardozo

专题命中 仓库级理解 ：repository(title,abstract)；分类 cs.SE、cs.PL

AI总结 本文通过分析Stackage仓库22次发布中的51,716个软件包，探讨其演变过程，重点研究monad软件包的使用和依赖关系。

Comments 22 pages, 12 figures

DRAGON: Robust Classification for Very Large Collections of Software Repositories

DRAGON：用于非常大规模软件仓库集合的鲁棒分类

Stefano Balla, Stefano Zacchiroli, Thomas Degueule, Jean-Rémy Falleri, Romain Robbes

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

AI总结 DRAGON通过利用版本控制系统中的轻量信号实现对大规模软件仓库的鲁棒分类，提升分类准确率并释放大规模开源数据集用于未来研究。

LEMUR: A Corpus for Robust Fine-Tuning of Multilingual Law Embedding Models for Retrieval

LEMUR：一种用于多语言法律嵌入模型检索鲁棒微调的语料库

Narges Baba Ahmadi, Jan Strich, Martin Semmann, Chris Biemann

机构 * Hub of Computing and Data Science (HCDS) University of Hamburg（计算与数据科学中心（HCDS）乌姆斯大学） 纠错

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

AI总结 LEMUR通过构建多语言法律语料库并微调嵌入模型，提升了多语言法律检索的鲁棒性和准确性，尤其在低资源语言中表现显著。

Comments Accepted at EACL SRW 26

Comprehensive Comparison of RAG Methods Across Multi-Domain Conversational QA

跨多领域对话问答中RAG方法的全面比较

Klejda Alushi, Jan Strich, Chris Biemann, Martin Semmann

机构 * Hub of Computing and Data Science (HCDS) University of Hamburg（计算与数据科学中心（HCDS）乌姆斯大学） 纠错

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

AI总结 本文通过跨多领域对话问答数据集的全面比较，发现简单策略在多轮对话中表现更优，而复杂方法未必有效，强调检索策略与数据集结构的匹配至关重要。

Comments Accepted to EACL SRW 26

A Survey on Parallel Text Generation: From Parallel Decoding to Diffusion Language Models

关于并行文本生成的综述：从并行解码到扩散语言模型

Lingzhe Zhang, Liancheng Fang, Chiming Duan, Minghua He, Leyi Pan, Pei Xiao, Shiyu Huang, Yunpeng Zhai, Xuming Hu, Philip S. Yu, Aiwei Liu

机构 * Peking University（北京大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； XPENG ； Alibaba Group（阿里巴巴集团） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 本文综述了并行文本生成技术，分析了基于AR和非AR的方法，评估了其在速度、质量和效率上的权衡，并指出了未来研究方向。

LLM-based Vulnerable Code Augmentation: Generate or Refactor?

基于LLM的易受攻击代码增强：生成或重构？

Dyna Soumhane Ouchebara, Stéphane Dupont

机构 * University of Mons - Computer science department（蒙斯大学-计算机科学系） 纠错

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

AI总结 本文提出基于LLM的漏洞代码增强方法，通过生成或重构技术提升漏洞分类器性能，实验表明混合策略效果最佳。

Comments 15 pages, Accepted by ESAAN 2026, version with added appendix

Assessment of jet inflow conditions on the development of supersonic jet flows

对超音速射流流场发展的影响的评估

Diego F. Abreu, Joao Luiz F. Azevedo, Carlos Junqueira-Junior

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文通过大涡模拟研究了超音速射流中流入条件对流场发展的影响，发现稳态粘性流入在射流入口附近表现最显著，同时提供了高保真的数据库供科学界使用。

Journal ref Physics of Fluids 1 February 2026; 38 (2): 026109