代码大模型 / AI 编程

Verifying the Rust Standard Library

验证 Rust 标准库

Byron Cook, Remi Delmas, Zyad Hassan, Bart Jacobs, Ranjit Jhala, Rahul Kumar, Felipe R. Monteiro, Thanh Nguyen, Rebecca Rumbul, Michael Tautschnig, Celina Val, Carolyn Zech

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

AI总结 通过众包方式集成多种验证工具，对 Rust 标准库中的不安全代码进行静态验证，发现并修复未定义行为，展示了大规模验证的可行性与挑战。

Comments Published at 18th NASA Formal Methods Symposium (NFM 2026)

Journal ref In: Deshmukh, J., Havelund, K., Pinto, A. (eds) NASA Formal Methods. NFM 2026. Lecture Notes in Computer Science, vol 16622. Springer, Cham, pp. 415-435

tap: A File-Based Protocol for Heterogeneous LLM Agent Collaboration

tap：一种用于异构LLM智能体协作的基于文件的协议

Minseo Kim

机构 * HUA Labs（HUA实验室） 纠错

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

AI总结 提出tap协议，通过文件优先设计实现不同厂商LLM智能体（如Claude和Codex）在共享代码库上的协作，无需共享内存或相同运行时，实验表明异构模型对审查缺陷发现率更高。

Comments Accepted to KCC 2026. English archival translation. 3 pages, 1 figure, 3 tables

I'm Sorry Driver, I'm Afraid I Can't Do That: Appraising the Safety of LLMs within Automotive Contexts

抱歉，司机，恐怕我不能这么做：评估LLMs在汽车环境中的安全性

Shaun Feakins, Ibrahim Habli, Kim Littler, Robert Palin

机构 * UKRI AI Centre for Doctoral Training in Safe Artificial Intelligence Systems (SAINTS)（英国研究理事会安全人工智能系统博士培训中心（SAINTS）） ； University of York（约克大学） ； Jaguar Land Rover（捷克·陆罗恩） 纠错

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

AI总结 本文从安全保证角度评估了将LLMs集成到汽车控制任务中的现有框架，指出其面临概念和具体挑战，并通过案例研究提出未来保障机制。

Comments Accepted at the Dependable AI in Embedded Systems (DAIES) Workshop at SAFECOMP 2026; 15 pages, 3 figures, 2 tables

Rule Taxonomy and Evolution in AI IDEs: A Mining and Survey Study

AI IDE中的规则分类与演化：挖掘与调查研究

Guangzong Cai, Ruiyin Li, Peng Liang, Zengyang Li, Mojtaba Shahin

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Computer Science, Central China Normal University（中央师范大学计算机学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院） 纠错

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

AI总结 通过挖掘83个开源项目中的7310条规则和99份从业者调查，建立了包含5个主类和25个子类的规则分类法，发现开发者重视架构约束但实际配置多为低级工作流和代码格式规则，规则演化主要由建设性上下文扩展和丰富驱动，且更新规则可使工件合规率平均提升22.99%。

Comments 52 pages, 21 images, 8 tables, Manuscript submitted to a Journal (2026)

Contract-Aware Rescue of a Drifted Isabelle Development: The Double-Tank Case Study

感知契约的漂移Isabelle开发修复：双水箱案例研究

Jim Woodcock, Gabriel Leite, Augusto Sampaio, Ran Wei

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

AI总结 针对Isabelle开发漂移问题，以双水箱控制器案例为研究对象，用CAPRI工具重构修复了10个义务，完成部分验证工作，为交互式定理证明器的开发维护提供了实践参考。

Comments 15 pages. Submitted to Formal Methods for Autonomous Systems 2026 (FMAS 2026). Reproducibility artefact: DOI 10.5281/zenodo.21981425

A Multi-Surface Consistency Audit of Software Citation Metadata

软件引用元数据的多表面一致性审计

Pengyin Shan

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

AI总结 本文对117个开源研究型软件项目的多达7个机器可读元数据表面进行审计，发现83.9%的项目存在核心字段冲突，多数冲突源于表面描述的是软件论文而非软件本身，同时发布了审计相关资源。

Comments 10 pages, 2 figures, 3 tables

Learnware for CSI Feedback: Scene-specific Small Models Can Do Big

用于CSI反馈的学习件：特定场景的小型模型可发挥大作用

Xiangyi Li, Jiajia Guo, Chao-Kai Wen, Xin Geng, Shi Jin, Zhi-Hua Zhou

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

AI总结 针对6G CSI反馈的模型泛化与场景性能权衡问题，提出基于学习件的模型仓库框架，可高效检索匹配的预训练模型，在LOS/NLOS场景下性能优于通用模型，减少训练开销并增强隐私。

Comments This work has been accepted by IEEE Transactions on Wireless Communications. Copyright may be transferred without notice, after which this version may no longer be accessible

Implicit, Yet Impactful: Understanding Hidden Dependencies in Java Projects

隐式却影响重大：理解Java项目中的隐藏依赖关系

Lyuye Zhang, Chengwei Liu, Fangyuan Zhang, Yiran Zhang, Yuan Zhou, Yang Liu

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

AI总结 本研究针对Java项目的隐式依赖问题，构建含1157个库、19812个版本及972个模块的数据集，量化其影响并分析应对措施，为开源生态系统提供解决方案。

Comments 13 pages, ASE 2026

Strategic Technical Debt: A Real Options Approach to Early-Stage Software Experimentation

策略性技术债务：早期软件实验的实物期权方法

Rashid Azarang, Mohammad Reza Azarang Esfandiari

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

AI总结 本文将早期软件实验中刻意产生的技术债务视为看涨期权，明确策略性与有毒债务的边界，构建序贯模型得出关键结论，并开展两项预注册实证检验。

Comments 25 pages, 4 figures. Pre-registered empirical program: OSF bs3cr (EP3'), rvx5t (EP-Pi)

Deploying Frontier Agentic Technology in MOOSEnger, a Multiphysics-Capable AI Assistant

在多物理场AI助手MOOSEnger中部署前沿智能体技术

Zaid Abulawi, Mengnan Li, Guillaume Giudicelli, Yang Liu, Cody Permann

机构 * Texas A&M University (TAMU)（德克萨斯农工大学） ； Idaho National Laboratory (INL)（爱达荷国家实验室） 纠错

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

AI总结 本研究为面向MOOSE框架的AI智能体MOOSEnger扩展本地托管模型管控层，经多类工程任务测试，MOOSEnger-GPT-5.2成功率达90%，凸显智能体管控层对多物理场仿真的支撑价值。

A Declarative-Procedural Perspective on Expert Routing in Bilingual Mixture-of-Experts Language Models

双语混合专家语言模型中专家路由的声明式-过程式视角

Amrit Gopinath, Raghul, Durairaj Thenmozhi

机构 * Sri Sivasubramaniya Nadar College of Engineering（斯里·西瓦苏布拉马尼亚·纳达尔工程学院） ； Shiv Nadar University Chennai（钦奈希夫·纳达尔大学） 纠错

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

AI总结 该研究探究双语MoE语言模型的专家路由是否形成语言结构，对比课程学习与无课程训练的模型，发现无课程模型专业化更强但依赖随机种子，课程模型路由更均衡，揭示MoE路由可出现可解释语言组织。

Comments 15 pages, 6 figures, 12 tables (including appendix)

A Survey of Large Models in Sports

体育领域的大模型综述

Yichen Xu, Jianzhe Ma, Chuhan Wang, Zhonghao Cao, Liangyu Chen, Wenxuan Wang, Qin Jin

机构 * Renmin University of China（中国人民大学） ； Sichuan University（四川大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 该文综述体育领域大模型的任务应用、数据集基准，分析挑战与未来方向，为大模型驱动的体育智能研究与发展提供基础。

Comments 36 pages, 4 figures, 6 tables. Accepted to Findings of ACL 2026

@skills: Attention is all you have

@skills：你所需的全部注意力

Li Yin, Zhi Li, Zhan Shi, Haoran Zhang, Haebin Seong, Zhangyang, Wang

机构 * SylphAI（西尔菲人工智能公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 针对当前智能体技能安装模式下触发槽位稀缺的问题，提出@skills开放协议，分离技能的内容、持久化与自动触发功能，无需安装即可使用技能，通过Git管理实现灵活适配，搭配免费技能 hub 提供搜索等功能，减少安装、提升使用效率。

Comments 7 pages main, 23 pages in total with appendix, 6 figures

MuseCritic: Learning Multi-Aspect Song Rewards through Natural-Language Aesthetic Critiques

MuseCritic：通过自然语言审美评论学习多维度歌曲奖励

Jiabao Zhuang, Changhao Jiang, Hanchen Wang, Jiahao Chen, Zhixiong Yang, Zhenghao Xiang, Yifei Cao, Jiajun Sun, Hui Li, Ming Zhang, Tao Ji, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 本研究提出MUSECRITIC半标量奖励模型，通过两阶段训练生成多维度自然语言评论预测歌曲奖励，在SongEval、Music Arena等数据集上效果优于现有方法，结合GRPO还提升了Muse-0.6B的多项审美指标。

myMediWhisper: Construction of Burmese Medical Speech Corpus and Whisper Fine-Tuning for Clinical Dialogue ASR

myMediWhisper：缅甸医疗语音语料库的构建及面向临床对话自动语音识别的Whisper微调

Ye Kyaw Thu, Ye Bhone Lin, Thura Aung, Htet Arkar, Myat Oo Swe, Thet Htet San, Min Thiha Tun, Thazin Myint Oo, Thepchai Supnithi

机构 * National Electronics and Computer Technology Center (NECTEC)（国家电子与计算机技术中心） ； King Mongkut’s University of Technology Thonburi（国王蒙固科技大学吞武里分校） ； King Mongkut’s Institute of Technology Ladkrabang（国王蒙固科技学院叻甲邦分校） 纠错

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

AI总结 本研究构建28小时缅甸医疗语音语料库，通过全微调（FFT）和带LoRA的PEFT微调Whisper，提升其在医疗对话ASR中的性能，最优模型WER达23.44%，优于更大的通用领域微调模型。

Memoir: Learning, Verifying, and Evolving False-Positive Memories for Static Application Security Testing Tools

Memoir：针对静态应用安全测试工具的误报记忆学习、验证与演化

Shenyuan Guan, Qiaodan Hou, Yanjun Chen, Xincheng Wen, Jia Feng, Keke Lian, Cuiyun Gao

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

AI总结 本研究针对SAST工具的误报问题，提出Memoir框架，通过构建与演化语义记忆实现误报识别，在CWE-Bench-Java上表现优异，且记忆库可跨工具泛化。

What Keeps Agent Skills from Being Reusable? Evidence from 138K SKILL.md Files

是什么阻碍了智能体技能的可复用性？来自13.8万个SKILL.md文件的证据

Chi Zhang, Yimin Liu, Xinze Chen, Ping Ji

机构 * The Graduate Center, City University of New York（纽约城市大学研究生中心） ； The Ohio State University（俄亥俄州立大学） ； Hunter College, City University of New York（纽约城市大学亨特学院） 纠错

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

AI总结 本研究通过分析13.8万个SKILL.md文件，发现91.8%的Agent Skills存在可复用性相关缺陷，主要为打包问题，验证了路由元数据对检索可靠性的影响，并提出了结合规范提示等的质量保证生成工作流。

Comments 11 pages, 4 figures

MirrorNet: Can Medical Image Anonymization Really Protect Patient Identity?

MirrorNet：医学图像匿名化真的能保护患者身份吗？

Attila Simkó

机构 * Umeå University（于默奥大学） 纠错

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

AI总结 本研究提出MirrorNet模型，通过耦合循环一致变分自编码器发现去标识化医学扫描仍可识别患者，建议将其作为生物识别数据管理，相关代码与模型已公开。

Beyond Rotations: AuroOFT for Expressive Quantized Orthogonal Fine-Tuning

超越旋转：用于表达性量化正交微调的AuroOFT

Yue Han, Dianlin Wang

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

AI总结 该研究针对量化正交微调（qoft）的线性正交变换局限，提出AuroOFT方法，在保留qoft稳定分支的基础上附加零起点门控低秩非线性残差，在Qwen2.5设置上提升性能并减少可训练参数。

Beyond Full-Model Rollback: AuroSFT for Adapter-State Multi-Task Fine-Tuning

超越全模型回滚：用于适配器状态多任务监督微调的AuroSFT

Yue Han, Ziniu Liu

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

AI总结 针对多任务SFT的全模型回滚成本高的问题，提出参数高效框架AuroSFT，将状态转为可合并的适配器状态，在保留骨干网络的比较中平均准确率达61.36%，优于msft的59.85%。

AdaptAgent: A Multi-agent, Domain-Guided Reasoning Framework for Code Adaptation

AdaptAgent：一种用于代码适配的多智能体、领域引导推理框架

Xiaokai Rong, Hridya Dhulipala, Aashish Yadavally, Tien N. Nguyen

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

AI总结 本研究提出AdaptAgent框架，通过分工的多智能体实现代码适配，在真实数据集上的语义正确性优于强基线，各智能体对适配效果均有重要作用。

Bridging Artificial Intelligence and Power Systems Education Using a Hands-On Executable Framework

使用可执行实践框架搭建人工智能与电力系统教育的桥梁

Junjie Yin, Buxin She, Xinyu Feng, Fangxing, Li

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

AI总结 本文提出可执行实践框架，通过渐进式模块降低电力系统AI入门门槛，经IEEE网络研讨会验证，可满足跨学科学习者对电力专用AI实践课程的需求。

Comments 10 pages, 10 figures, 3 tables

S-CEReBrO: Breaking the Memory Barrier in Continuous EEG Monitoring

S-CEReBrO：突破连续脑电图监测中的内存瓶颈

Glenn Anta Bucagu, Thorir Mar Ingolfsson, Yawei Li, Luca Benini

机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学） 纠错

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

AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。

Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo

Specification-Driven DevOps for Multi-Service Environments

多服务环境下基于规范驱动的DevOps

Oleg Grynets, Kyrylo Fursov, Vasyl Lyashkevych, Volodymyr Veres

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

AI总结 研究探讨前沿大语言模型能否利用存储库内容为多服务应用生成配置，通过对三个异构存储库评估发现生成环境虽能运行，但有遗漏，进而区分功能正确性与部署意图保真度并得出最小显式部署规范。

Comments 25 pages, 8 figures, 15 tables

Repositories, Contributors, and Continuity: An Empirical Study of Foundational Quantum Software

存储库、贡献者与连续性：基础量子软件的实证研究

Vincent Gierisch, Nicole Hoess, Ralf Ramsauer, Wolfgang Mauerer

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

AI总结 研究量子软件生态系统中概念和影响如何跨存储库边界持续存在，运用实证软件工程技术分析基础量子软件存储库，结合跨库活动与贡献者关系研究社区演变，发现多种发展路径并提供实证视角。

Making Mathematical Knowledge Explainable, Accessible and Interoperable Through Large Language Model Integration

通过大语言模型集成使数学知识可解释、可访问和可互操作

Jan Range, Björn Schembera, Dominik Göddeke

机构 * Stuttgart Center for Simulation Science (SC SimTech), University of Stuttgart（斯图加特大学斯图加特模拟科学中心 (SC SimTech)） ； Institute of Applied Analysis and Numerical Simulation, University of Stuttgart（斯图加特大学应用分析与数值模拟研究所） 纠错

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

AI总结 研究旨在解决数学模型文档不符合FAIR原则及访问难等问题，通过模型上下文协议（MCP）服务器将大语言模型与MathModDB集成，实现基于认知的LLM使用，提高可解释性、可访问性并简化互操作性，通过用例展示了集成优势。

Comments Preprint submitted to 6th Wikidata Workshop@ISWC

Remedying Coarsening-Based GNN Training under Heterophily via Adaptive Complementary Enhancement

通过自适应互补增强修复异质性下基于粗化的图神经网络训练

Guoming Li, Jian Yang, Xukun Wang, Zixiao Wang, Shangsong Liang, Yifan Chen

机构 * Hong Kong Baptist University（香港浸会大学） ； Renmin University of China（中国人民大学） ； Chinese Academy of Sciences（中国科学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 研究基于粗化的GNN训练在异构图上性能下降问题，提出自适应互补增强（ACE）策略，通过重新整合粗化丢弃信息、应用正则化及不确定性加权，在异构图基准上提升性能，同构图上保持竞争力且计算开销小。

Comments Accepted at the 42nd Conference on Uncertainty in Artificial Intelligence, UAI 2026

Understanding Generative AI-mediated User Engagement with Academic Library Resources

理解生成式人工智能介导的用户对学术图书馆资源的参与度

Hae Min Kim, Stacy Stanislaw

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

AI总结 该研究利用2023年8月至2025年10月网络分析，实证分析生成式人工智能介导用户对学术图书馆资源的参与度，发现流量显著增加，确定主要驱动平台，指出用户访问机构知识库情况，表明需持续分析及战略应对人工智能格局。

Comments This is the accepted manuscript. The final published version will appear in College & Research Libraries, May 2027

Interpretable Fuzzy Rule-Based Regression Extension for Ex-Fuzzy Library

用于Ex-Fuzzy库的可解释模糊规则基回归扩展

Cayan Deniz Kucuktopana, Javier Fumanal-Idocin, Richard Pitts, Javier Andreu-Perez

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

AI总结 研究针对安全关键等领域机器学习模型需可解释性的问题，为Ex-Fuzzy库提出回归扩展，采用基于模糊C均值聚类的目标感知分区初始化策略，在十个数据集上评估，高斯分区表现优，提供了透明且有竞争力的黑盒回归替代方案。

Journal ref IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), IEEE World Congress on Computational Intelligence (WCCI), 2026

DepRepair: LLM-Based Source-Code Repair for Dependency Breaking Changes

DepRepair：基于大语言模型的针对依赖项破坏更改的源代码修复

Shenghao Yang, Bo Lu, Yaochen Liu, Yu Kang, Qiongfang Zhang, Chetan Bansal, Saravan Rajmohan, Minghua Ma

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

AI总结 研究软件项目因第三方库更新致依赖项破坏更改的问题，提出DepRepair单调用大语言模型方法，通过证据过滤器、用法定位器和子类别感知指南，基于结构化上游证据修复，在DepBench基准测试中取得高可执行通过率。

Comments 10 pages, 5 figures, 7 tables