Explainable classification of astronomical uncertain time series
可解释的天文不确定时间序列分类
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于子序列的不确定性感知模型，用于可解释性地分类天文不确定时间序列，通过考虑数据不确定性提升分类性能并提供解释能力。
Journal ref Big Data Research, 2026, 100591 (43)
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。
1. 仓库级理解 3967 篇
A Component-Based Survey of Interactions between Large Language Models and Multi-Armed Bandits
基于组件的大型语言模型与多臂老虎机交互调研
机构 * College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China（信息与电气工程学院，中国农业大学，北京） ； Key Laboratory of Agricultural Machinery Monitoring and Big Data Application, Ministry of Agriculture and Rural Affairs, Beijing 100083, China（农业机械监测与大数据应用重点实验室，农业农村部，北京）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.LG
AI总结 本文调研了大型语言模型与多臂老虎机在组件层面的双向交互，分析了两者在解决对方挑战中的协同作用及未来研究方向。
Comments 25 pages, 6 table
From Tokenizer Bias to Backbone Capability: A Controlled Study of LLMs for Time Series Forecasting
从分词偏差到骨干能力：对用于时间序列预测的LLM进行受控研究
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Wuhan University（武汉大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过设计三个具有相同架构但不同预训练策略的模型，研究了LLM在时间序列预测中的性能，发现其表现有限，无法超越专门训练的模型。
FastCode: Fast and Cost-Efficient Code Understanding and Reasoning
FastCode: 快速且成本有效的代码理解和推理
机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 FastCode通过结构化勘探机制提升代码推理效率，减少计算成本，优于现有基线方法。
Bug Severity Prediction in Software Projects Using Supervised Machine Learning Models
利用监督机器学习模型进行软件项目中的缺陷严重性预测
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.LG
AI总结 本研究利用监督机器学习模型，通过Eclipse Bugzilla的历史数据预测缺陷严重性，发现集成树方法和DistilBERT在准确性上表现最佳，线性模型在召回率上更优，为自动化缺陷分拣提供了有效方法。
Comments Master's thesis
Information-Theoretic Causal Bounds under Unmeasured Confounding
信息论视角下的未测量混杂因素下的因果界限
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种信息论框架，通过数据驱动的方法在未测量混杂因素下实现因果效应的精确识别，无需外部参数或假设。
Favia: Forensic Agent for Vulnerability-fix Identification and Analysis
Favia：漏洞修复识别与分析的取证代理
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 Favia通过结合可扩展的候选排名与深入语义推理，有效识别漏洞修复，优于传统和LLM基方法。
Comments 44 pages, 12 figures, 5 tables, 3 listings
Enhancing Multivariate Time Series Forecasting with Global Temporal Retrieval
通过全局时间检索增强多变量时间序列预测
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shandong University（山东大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 GTR通过引入全局时间检索模块，有效提升多变量时间序列预测的长期周期性建模能力，实现高效且通用的预测性能改进。
Comments ICLR 2026
Code2MCP: Transforming Code Repositories into MCP Services
Code2MCP: 将代码仓库转化为MCP服务
机构 * Sun Yat-sen University（中山大学） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； Southeast University（东南大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.LG
AI总结 Code2MCP通过自动化将GitHub仓库转换为MCP兼容服务，解决现有MCP工具池不足的问题，促进MCP协议的普及与应用。
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
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）
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
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）
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
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））
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。
From Trace to Line: LLM Agent for Real-World OSS Vulnerability Localization
从痕迹到行：面向真实世界OSS漏洞定位的LLM代理
机构 * NYU Tandon School of Engineering（纽约大学唐纳德工程学院）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.LG
AI总结 T2L框架通过基于AST的分块和证据引导细化，实现项目级和行级漏洞定位，提升LLM在开源软件中的精准诊断能力。
Empirical-MCTS: Continuous Agent Evolution via Dual-Experience Monte Carlo Tree Search
经验-MCTS：通过双经验蒙特卡洛树搜索实现连续智能体进化
机构 * JianChengXingYun Technology Co., Ltd.（健成星云科技有限公司）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 经验-MCTS通过双环框架实现连续智能体进化，结合局部探索与全局记忆优化，提升复杂推理任务性能。
Comments 9 pages, 5 figures
From Deferral to Learning: Online In-Context Knowledge Distillation for LLM Cascades
从延迟到学习：在线上下文知识蒸馏用于LLM级联
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； Department of Electrical and Computer Engineering, Rutgers University, NJ, USA（电气与计算机工程系，Rutgers大学，新泽西州，美国） ； Computer Engineering Department, University of Illinois Chicago, Illinois, USA（计算机工程系，伊利诺伊大学芝加哥分校，伊利诺伊州，美国）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 Inter-Cascade通过在线上下文知识蒸馏提升LLM级联性能，实现弱模型在任务中学习，减少强模型调用并提高整体准确率。
Comments 32 pages, 6 figures, 23 tables, under review
Toward Universal and Transferable Jailbreak Attacks on Vision-Language Models
迈向通用且可迁移的视觉-语言模型劫持攻击
机构 * School of Computing and Information Systems, The University of Melbourne, Australia（墨尔本大学计算机与信息系） ； School of Computing and Information Systems, Singapore Management University, Singapore（新加坡管理大学计算机与信息系） ； School of Information Technology, Deakin University, Australia（德肯大学信息科技系） ； Institute of Trustworthy Embodied AI, Fudan University, China（复旦大学可信具身人工智能研究所）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出UltraBreak，一种通用且可迁移的视觉-语言模型劫持攻击框架，通过视觉正则化和语义引导的文本监督，有效提升攻击的泛化能力和转移性能。
Comments ICLR 2026
When Large Language Models Do Not Work: Online Incivility Prediction through Graph Neural Networks
当大语言模型失效时：通过图神经网络进行在线不文明行为预测
机构 * Stevens Institute of Technology（史蒂文斯理工学院）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出基于图神经网络的框架，用于检测在线不文明行为，优于现有大语言模型并降低推理成本。
Comments 10 pages
MiniTensor: A Lightweight, High-Performance Tensor Operations Library
MiniTensor: 一个轻量且高性能的张量操作库
机构 * Independent Researcher（独立研究者）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 MiniTensor是一个轻量且高性能的张量操作库，结合Python API和Rust引擎，提供高效的张量运算和微分功能，包大小远小于主流框架。
Learning Grouped Lattice Vector Quantizers for Low-Bit LLM Compression
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: Optimizing ROCKET for GPU
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。
A Concept-Centric Approach to Multi-Modality Learning
面向多模态学习的概念中心方法
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种以概念为中心的多模态学习框架，通过共享的概念空间和模态特定的投影模型，实现高效的知识迁移与跨模态适应。
Comments Published in Transactions on Machine Learning Research (TMLR), 2026. Official version: https://openreview.net/forum?id=8WAAPP32c7
Journal ref Transactions on Machine Learning Research, 2026
LoSemB: Logic-Guided Semantic Bridging for Inductive Tool Retrieval
LoSemB：基于逻辑的语义桥接用于归纳工具检索
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 LoSemB通过逻辑引导的语义桥接框架，在无需重新训练的情况下实现高效归纳工具检索，缓解分布偏移和相似度检索的脆弱性。
ArchAgent: Scalable Legacy Software Architecture Recovery with LLMs
ArchAgent: 基于LLM的可扩展遗留软件架构恢复
机构 * HiThink Research（慧思研究） ； University of Science and Technology of China（中国科学技术大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 ArchAgent通过结合静态分析、自适应分段和LLM合成，实现大规模遗留软件架构的高效恢复与多视图业务对齐。
Comments to be published in ICASSP 2026
Undesirable Memorization in Large Language Models: A Survey
大语言模型中的不良记忆现象：综述
机构 * University of Groningen（Groningen大学） ； Leiden University（莱顿大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 本文综述了大语言模型中记忆化现象的文献，探讨了其分类、度量方法、成因及缓解策略，并提出了未来研究方向。
Magnifying change: Rapid burn scar mapping with multi-resolution, multi-source satellite imagery
放大变化：利用多分辨率、多源卫星影像实现快速烧伤区域制图
机构 * Orion Lab, National Observatory of Athens & National Technical University of Athens（Orion实验室、雅典国家天文观测站及雅典技术大学） ； Department of Informatics and Telematics, Harokopio University of Athens（信息与电信系、哈罗基奥大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出BAM-MRCD模型，利用多分辨率、多源卫星影像实现高精度快速烧伤区域制图，适用于野火后快速响应场景。
CBMAS: Cognitive Behavioral Modeling via Activation Steering
通过激活引导的认知行为建模：CBMAS
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 CBMAS通过连续激活引导技术，提升大型语言模型的认知行为可解释性，提供诊断框架和数据集以分析模型行为演变。
Comments Accepted to CogInterp @ NeurIPS 2025. Equal contribution by Ahmed H. Ismail and Anthony Kuang
Triple-BERT: Do We Really Need MARL for Order Dispatch on Ride-Sharing Platforms?
Triple-BERT: 为网约车平台订单调度是否真的需要MARL？
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 Triple-BERT通过动作分解和BERT网络提升网约车平台订单调度效率，实现11.95%的性能提升。
SPIRAL: Symbolic LLM Planning via Grounded and Reflective Search
SPIRAL：通过 grounded 和 reflective 搜索实现符号 LLM 规划
机构 * IBM T.J. Watson Research Center（IBM TJ沃森研究中心）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 SPIRAL 通过 grounded 和 reflective 搜索实现更稳健高效的 LLM 规划
An Architecture-Led Hybrid Report on Body Language Detection Project
以架构为导向的混合报告：身体语言检测项目
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 本报告分析了两种视觉-语言模型的架构特性，并探讨了其在视频到制品管道中的应用及系统限制。
SA-DiffuSeq: Addressing Computational and Scalability Challenges in Long-Document Generation with Sparse Attention
SA-DiffuSeq：通过稀疏注意力解决长文档生成中的计算和可扩展性挑战
专题命中 仓库级理解 ：code generation(abstract)；分类 cs.CL、cs.AI
AI总结 SA-DiffuSeq通过稀疏注意力机制提升长文档生成的效率和可扩展性，有效降低计算成本并增强生成质量。
Comments Under submission
