代码大模型 / AI 编程

AI-for-Science Low-code Platform with Bayesian Adversarial Multi-Agent Framework

面向科学的AI低代码平台与贝叶斯对抗多智能体框架

Zihang Zeng, Jiaquan Zhang, Pengze Li, Yuan Qi, Xi Chen

机构 * Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

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

AI总结 本研究提出一种面向科学的AI低代码平台，通过贝叶斯对抗多智能体框架实现代码生成与评估的协同优化，提升科学任务的可靠性和效率。

From Guidelines to Practice: Evaluating the Reproducibility of Methods in Computational Social Science

从指南到实践：评估计算社会科学中方法的可重现性

Fakhri Momeni, Sarah Sajid, Johannes Kiesel

专题命中 代码评测 ：repository(abstract)

AI总结 本研究评估了计算社会科学中方法的可重现性，发现整理文档和标准化执行环境能显著提高可重现性，同时参与者常依赖AI工具解决技术问题。

Journal ref WebSci2026