代码大模型 / AI 编程

Organizing, Orchestrating, and Benchmarking Agent Skills at Ecosystem Scale

在生态系统层面组织、协调和基准测试代理技能

Hao Li, Chunjiang Mu, Jianhao Chen, Siyue Ren, Zhiyao Cui, Yiqun Zhang, Lei Bai, Shuyue Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.CL

AI总结 本文提出AgentSkillOS框架，通过树状检索和DAG协调提升大规模技能生态系统的管理和任务解决能力。

CelloAI Benchmarks: Toward Repeatable Evaluation of AI Assistants

CelloAI Benchmarks: 向AI助手评估的可重复性迈进

Mohammad Atif, Kriti Chopra, Fang-Ying Tsai, Ozgur O. Kilic, Tianle Wang, Zhihua Dong, Douglas Benjamin, Charles Leggett, Meifeng Lin, Paolo Calafiura, Salman Habib

专题命中 代码评测 ：code generation(abstract)；分类 cs.SE

AI总结 CelloAI Benchmarks提出了一套针对高能物理和高性能计算领域AI助手的可重复性评估基准，涵盖代码文档、代码生成和图形数据分析三个评估赛道，旨在提升科学编码辅助的可靠性与性能。

UrbanVerse: Scaling Urban Simulation by Watching City-Tour Videos

UrbanVerse: 通过观看城市游览视频扩大城市模拟

Mingxuan Liu, Honglin He, Elisa Ricci, Wayne Wu, Bolei Zhou

专题命中 代码评测 ：repository(abstract)；分类 cs.AI

AI总结 UrbanVerse 通过将众包城市游览视频转化为物理-aware 的模拟场景，实现了城市模拟的扩展，提升了城市导航中代理的泛化能力和现实任务完成效率。

Comments Accepted to ICLR 2026. Project page: https://urbanverseproject.github.io/

WildCross: A Cross-Modal Large Scale Benchmark for Place Recognition and Metric Depth Estimation in Natural Environments

WildCross: 一种用于自然环境中地方识别和度量深度估计的跨模态大规模基准

Joshua Knights, Joseph Reid, Kaushik Roy, David Hall, Mark Cox, Peyman Moghadam

专题命中 代码评测 ：repository(abstract)

AI总结 WildCross是一个用于自然环境中地方识别和度量深度估计的跨模态大规模基准，通过提供大规模数据集和实验验证，推动多模态机器人感知技术的发展。

Comments IEEE International Conference on Robotics & Automation (ICRA) 2026

Towards Universal Khmer Text Recognition

面向通用柬埔寨文字识别

Marry Kong, Rina Buoy, Sovisal Chenda, Nguonly Taing, Masakazu Iwamura, Koichi Kise

机构 * Techo Startup Center, Ministry of Economy and Finance, Cambodia（技术创业中心、经济财政部、柬埔寨） ； Osaka Metropolitan University, Japan（大阪 metropolitan 大学、日本） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 本文提出了一种通用柬埔寨文字识别框架，通过模态感知自适应特征选择技术提升多模态文本识别性能，并建立了首个全面的基准测试集。

Comments 17 pages, 9 figures, 6 tables