Experience Transfer for Multimodal LLM Agents in Minecraft Game
在Minecraft游戏中多模态大语言模型代理的经验迁移
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出Echo框架，通过分解经验为五维，使代理能从历史交互中提取可操作知识，提升复杂环境下的任务解决效率。
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
MSDformer: Multi-scale Discrete Transformer For Time Series Generation
MSDformer：多尺度离散Transformer用于时间序列生成
机构 * Nanyang Technological University（南洋理工大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent（腾讯） ； Peng Cheng Laboratory（鹏城实验室） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 MSDformer通过多尺度离散Transformer方法，解决传统DTM在捕捉复杂时间序列多尺度特征和理论指导方面的不足，提升生成质量。
Explainable Machine Learning Reveals 12-Fold Ucp1 Upregulation and Thermogenic Reprogramming in Female Mouse White Adipose Tissue After 37 Days of Microgravity: First AI/ML Analysis of NASA OSD-970
可解释机器学习揭示了37天微重力后雌性小鼠白色脂肪组织中Ucp1上调12倍及产热重编程：首次AI/ML分析NASA OSD-970
机构 * Daffodil International University（达芙妮国际大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文首次利用机器学习分析NASA OSD-970数据集，发现微重力导致雌性小鼠白色脂肪组织中Ucp1上调12倍，揭示了产热重编程机制，对航天医学和地球肥胖研究有重要启示。
Comments 11 pages, 9 figures, 5 tables. First AI/ML analysis of NASA OSD-970 (GLDS-790). Code available at https://github.com/Rashadul22/NASA_OSD970_Complete_Output
DePT3R: Joint Dense Point Tracking and 3D Reconstruction of Dynamic Scenes in a Single Forward Pass
DePT3R：在单次前向传递中联合密集点跟踪和动态场景的3D重建
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 DePT3R通过提取深度时空特征和密集预测头，实现动态场景的密集点跟踪与3D重建，无需相机姿态，提升适应性和效率。
Comments This is a work in progress
MOVis: A Visual Analytics Tool for Surfacing Missed Patches Across Software Variants
MOVis：一个用于在软件变体中揭示遗漏补丁的可视化分析工具
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 MOVis通过可视化展示软件变体间遗漏补丁，帮助开发者快速定位缺失修复并理解所需调整，提升变体一致性维护效率。
Comments 4 pages, 2 figures, 1 reference page
A ROS 2 Wrapper for Florence-2: Multi-Mode Local Vision-Language Inference for Robotic Systems
为Florence-2设计的ROS 2封装器：面向机器人系统的多模式本地视觉语言推断
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出一个ROS 2封装器，实现Florence-2模型的三种交互模式，支持本地部署和容器化运行，验证了消费级硬件在视觉语言任务中的可行性。
Comments 5 pages, 1 figure
Portable and Secure CI/CD for COBOL: Lessons from an Industrial Migration
便携式和安全的CI/CD用于COBOL：来自工业迁移的教训
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文探讨了在受监管行业中迁移COBOL CI/CD管道的挑战，通过容器化架构减少运行时间并降低维护成本，为遗留系统现代化提供指导。
Semi-Autonomous Formalization of the Vlasov-Maxwell-Landau Equilibrium
半自动化的Vlasov-Maxwell-Landau平衡形式化
机构 * University of Washington（华盛顿大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文展示了一个完整的Lean 4形式化，用于Vlasov-Maxwell-Landau系统中的平衡特性描述，通过AI辅助数学研究流程，结合AI推理模型、编码工具和专业证明器，实现了高效的形式化验证。
Comments 11 figures
Shapley meets Rawls: an integrated framework for measuring and explaining unfairness
Shapley 与 Rawls 的交汇：衡量和解释不公平的综合框架
机构 * UM6P Airess University Mohammed VI Polytechnic（穆罕默德六世理工大学UM6P Airess大学） ； Univ. Nîmes Chrome Um6p, Airess（尼姆大学Chrome实验室，穆罕默德六世理工大学Airess） ； Liser Luxembourg（卢森堡社会经济研究所）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出利用Shapley值定义和解释不公平性，结合标准群体公平标准，提供评估和推断不公平性的综合框架，并扩展至ESL值家族，以更稳健的公平定义和更快的计算时间。
Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development
Project Imaging-X：1000多个开放访问医学影像数据集的调查
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） ； Fudan University（复旦大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fuzhou University（福州大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Incept Labs ； Monash University（莫纳什大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与产业研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海科学智能研究院） ； Nankai University（南开大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； School of Informatics, Xiamen University（厦门大学信息学院） ； University College London（伦敦大学学院） ； Sun Yat-sen University（中山大学） ； Alibaba Group, DAMO Academy, New York, NY, USA（阿里巴巴集团达摩院（纽约）） ； Tongji University（同济大学） ； University of Toronto（多伦多大学） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Johns Hopkins University（约翰霍普金斯大学） ； Arizona State University（亚利桑那州立大学） ； Academy for Clinical Innovation and Translation of Shanghai（上海临床创新转化研究院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿尔托大学） ； Shandong University（山东大学） ； Xi’an Jiaotong University（西安交通大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文调查了1000多个开放访问医学影像数据集，揭示了其规模小、任务碎片化和分布不均的问题，并提出元数据驱动融合方法和交互发现门户，为医学影像数据集的整合和基础模型发展提供路线图。
Comments 157 pages, 19 figures, 26 tables. Project repo: \url{https://github.com/uni-medical/Project-Imaging-X}
Sparse Autoencoders for Interpretable Medical Image Representation Learning
稀疏自编码器用于可解释的医学图像表示学习
机构 * Stanford Center for Artificial Intelligence in Medicine and Imaging（斯坦福大学人工智能医学与成像中心） ； Department of Radiology, Stanford University（斯坦福大学放射科） ； Chair of AI in Healthcare and Medicine, Technical University of Munich（慕尼黑技术大学人工智能医疗与医学主任） ； TUM University Hospital, Munich, Germany（慕尼黑技术大学医院）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文研究使用稀疏自编码器替代抽象特征，通过CT和MRI图像切片生成可解释的稀疏特征，提升医学图像处理的可解释性。
Comments 11 pages, 4 figures
MuSe: a Mutation Testing Plugin for the Remix IDE
MuSe：Remix IDE 的突变测试插件
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文提出 MuSe，一个为 Remix-IDE 提供突变测试的插件，包含传统、Solidity 特定和安全导向的突变操作符，降低开发者的入门门槛，用于评估测试套件的有效性并发现智能合约潜在问题。
Pantagruel: Unified Self-Supervised Encoders for French Text and Speech
Pantagruel：面向法语文本和语音的统一自监督编码器
机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学，CNRS，格勒诺布尔INP，LIG） ； INA (Institut National de l'Audiovisuel)（国家视听研究院） ； Avignon Université, LIA（阿维尼翁大学，LIA） ； CREST (École Polytechnique, ENSAE, CNRS)（CREST（巴黎政治学院、ENSAE、CNRS）） ； LLF (Université Paris Cité and CNRS)（LLF（巴黎城市大学和CNRS）） ； Univ. Grenoble Alpes, EFELIA-MIAI, IUT2 Grenoble, LIG（格勒诺布尔阿尔卑斯大学，EFELIA-MIAI，格勒诺布尔IUT2，LIG） ； Univ. Grenoble Alpes, Lidilem（格勒诺布尔阿尔卑斯大学，Lidilem） ； Université Bretagne Sud, CNRS, IRISA（布列塔尼南部大学，CNRS，IRISA） ； Saclay AI（萨克莱AI） ； IRIT, Université de Toulouse, CNRS, Toulouse INP, UT3（IRIT，图卢兹大学，CNRS，图卢兹INP，UT3）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL
AI总结 Pantagruel通过在特征空间中学习上下文化的目标表示，提升法语文本和语音的多模态理解能力，在多个下游任务中表现优异，优于现有基线模型。
Comments Accepted to LREC 2026
Design-OS: A Specification-Driven Framework for Engineering System Design with a Control-Systems Design Case
Design-OS：一种以规范驱动的工程系统设计框架及其控制系统设计案例
机构 * Department of Systems Engineering（系统工程系） ； Colorado State University（科罗拉多州立大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出Design-OS，一种以规范驱动的工程系统设计框架，通过五个阶段实现设计过程的可追溯性和可审计性，适用于控制系统的不同实现案例。
Comments 2 figures, 11 pages, Submitted to ASME IDETC 2026 - DAC-09
Unmasking Algorithmic Bias in Predictive Policing: A GAN-Based Simulation Framework with Multi-City Temporal Analysis
揭示预测警务中的算法偏见：基于GAN的模拟框架与多城市时间分析
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） ； Jagannath University（贾加纳特大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出基于GAN的模拟框架，分析多城市警务中种族偏见的传播，通过实验证明算法偏见的显著性及结构性不平等的持续性。
A Novel Framework using Intuitionistic Fuzzy Logic with U-Net and U-Net++ Architecture: A case Study of MRI Bain Image Segmentation
一种利用直觉模糊逻辑与U-Net和U-Net++架构的新型框架：MRI脑图像分割的案例研究
机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, 243005, India（巴里利学院数学系，巴里利（MJP罗希兰德大学），乌塔尔普拉德什，243005，印度） ； Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA and Division of Newborn Medicine, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA also with Department of Pediatrics, Harvard Medical School, Boston, MA, USA（波士顿儿童医院胎儿和新生儿神经影像与发育科学中心，哈佛医学院，波士顿，马萨诸塞州02115，美国；波士顿儿童医院新生儿医学科，哈佛医学院，波士顿，马萨诸塞州02115，美国；也与哈佛医学院儿科系，波士顿，马萨诸塞州，美国） ； National Institute of Science Communication and Policy Research, New Delhi, 110012, India（国家科学传播与政策研究所，新德里，110012，印度） ； Department of Mathematics, Indian Institute of Technology Indore, Indore (M.P.)-453552, India（印度理工学院印度尔数学系，印度尔（马哈拉施特拉邦）-453552，印度）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出一种结合直觉模糊逻辑的U-Net和U-Net++框架，用于提高MRI脑图像分割的准确性，通过处理图像中的不确定性提升分割性能。
Comments 13 pages, 8 figures
BarcodeBERT: Transformers for Biodiversity Analysis
BarcodeBERT：用于生物多样性分析的Transformer模型
机构 * University of Waterloo（滑铁卢大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Aalborg University（奥胡斯大学） ； Pioneer Centre for AI（先锋人工智能中心） ； University of Guelph（格雷厄姆大学） ； Vector Institute（向量研究所） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔人工智能研究所）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 BarcodeBERT通过领域特定数据自监督预训练，在物种鉴定任务中优于基础模型，尤其在低阶分类如属和种层面表现突出，且比BLAST快55倍。
Comments Main text: 14 pages, Total: 23 pages, 10 figures, formerly accepted at the 4th Workshop on Self-Supervised Learning: Theory and Practice (NeurIPS 2023)
Journal ref Bioinformatics Advances (2026) vbag054
GUIDE: GenAI Units In Digital Design Education
GUIDE：数字设计教育中的生成式人工智能单元
机构 * NYU Tandon（纽约大学Tandon学院） ； NYU Abu Dhabi（纽约大学阿布扎比分校） ； RPI（罗切斯特理工学院） ； Texas A&M（德克萨斯大学阿姆斯特朗分校）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 GUIDE为数字设计教育提供可运行的Google Colab实验室和课程资料，通过标准化教学单元提升学习一致性与教学效率，包含三个代表单元和四门课程实例，涵盖RTL生成、测试bench生成及IP盗版检测等核心内容。
DOS: Dependency-Oriented Sampler for Masked Diffusion Language Models
DOS：基于依赖关系的掩码扩散语言模型采样器
机构 * Department of Data Science and AI（数据科学与人工智能系）
专题命中 仓库级理解 ：code generation(abstract)；分类 cs.CL
AI总结 DOS是一种无需训练的解码策略，通过利用令牌间依赖关系提升生成质量，尤其在代码生成和数学推理任务中表现优异，且能与现有并行采样方法结合提升效率。
Comments 16 pages, 5 figures
Linguistic Similarity Within Centralized FLOSS Development
中央化自由/开源软件开发中的语言相似性
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 研究中央化FLOSS开发对贡献者交流语言的影响，发现WMF成员与外部贡献者在语言风格上无显著差异，挑战了传统认知。
Comments Accepted to CHI Extended Abstracts 2026
TRACE: AI-Assisted Assessment of Collaborative Projects in Computer Science Education
TRACE：计算机科学教育中协作项目的AI辅助评估
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 TRACE通过AI辅助分析提升计算机科学教育中协作项目评估的透明度和可扩展性。
Comments 7 pages, 3 figures. Accepted at EISTA 2025; published in the Journal of Systemics, Cybernetics and Informatics (2025)
MALTA: Maintenance-Aware Technical Lag, Estimation to Address Software Abandonment
MALTA：维护意识技术滞后，用于解决软件弃用的估计
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 MALTA通过引入维护意识指标，有效识别被传统版本滞后指标遗漏的废弃软件包，提高依赖项风险评估的准确性。
Explainable Innovation Engine: Dual-Tree Agent-RAG with Methods-as-Nodes and Verifiable Write-Back
可解释的创新引擎：双树代理-RAG与方法作为节点和可验证的写回
机构 * Anhui University（安徽大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本研究提出了一种双树代理-RAG框架，通过方法作为节点和可验证的写回机制，提升代理系统在可控、可解释和可验证创新方面的性能。
Comments 15pages, 4figures, code available on Github
Physics-constrained symbolic regression for discovering closed-form equations of multimodal water retention curves from experimental data
具有物理约束的符号回归用于从实验数据中发现多模水 retention 曲线的闭式方程
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出了一种受物理约束的机器学习框架，通过符号回归自动从实验数据中发现多模水保留曲线的闭式方程，提升多孔材料水保留特性的建模能力。
Emerging Human-like Strategies for Semantic Memory Foraging in Large Language Models
新兴的人类样策略在大语言模型中的语义记忆采集
机构 * Champalimaud Research（恰帕拉德研究） ； Centre for Restorative Neurotechnology（修复性神经技术中心） ； Indiana University（印第安纳大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本研究通过分析大语言模型中的语义流畅任务，探索其语义记忆采集策略，揭示人类与AI在认知机制上的异同。
An Empirical Study of the Evolution of GitHub Actions Workflows
GitHub Actions工作流演化的实证研究
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本研究通过分析GitHub Actions工作流的变化，发现工作流修改多集中于任务配置，且大多数修改较小，强调了对依赖管理和AI支持工作流安全性的需求。
Journal ref Journal of Systems and Software, 236, 112824, 2026, 0164-1212
Doctor-R1: Mastering Clinical Inquiry with Experiential Agentic Reinforcement Learning
Doctor-R1：通过经验代理强化学习掌握临床探究
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（计算机科学与技术系，人工智能研究院，清华大学） ； College of AI, Tsinghua University（人工智能学院，清华大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 Doctor-R1通过经验代理强化学习提升临床决策与患者咨询能力，实现更高效的医疗咨询和决策支持。
Novice Developers Produce Larger Review Overhead for Project Maintainers while Vibe Coding
新手开发者为项目维护者产生更大的审查负担的同时进行 vibe 编码
专题命中 仓库级理解 ：coding agent(abstract)；分类 cs.SE
AI总结 研究发现低经验 vibe 编码者生成更多代码但增加审查负担，建议结合培训与自适应审查流程
Comments Accepted to MSR 2026 Mining Challenge
Serendipity with Generative AI: Repurposing knowledge components during polycrisis with a Viable Systems Model approach
生成AI的偶然性：在多危机中利用可行系统模型重新利用知识组件
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL
AI总结 本文提出利用生成AI在多危机中通过可行系统模型重新利用知识组件，构建存储库并探讨其对组织创新的影响。
Enhancing Renal Tumor Malignancy Prediction: Deep Learning with Automatic 3D CT Organ Focused Attention
增强肾肿瘤恶性预测：基于自动3D CT器官聚焦注意力的深度学习
机构 * 1 Department of Health Outcomes \& Biomedical Informatics, University of Florida, Gainesville, FL, USA 2 Department of Urology, University of Florida, Gainesville, FL, USA 3 Department of Computer \& Information Sciences, Temple University, Philadelphia, PA, USA
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出一种无需手动分割的深度学习框架，利用器官聚焦注意力机制提升肾肿瘤恶性预测的准确性。
Comments 5 pages, 2 figures, Accepted at IEEE ISBI 2026
