代码大模型 / AI 编程

Before the Shutter: Aesthetic and Actionable Portrait Photography Planning in 3D Scenes

快门之前：3D场景中美学的且可执行的人像摄影规划

Ruixiang Jiang, Chang Wen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出在3D场景中生成人像姿态、相机、照明和曝光方案的方法，通过构建摄影场景图实现美学引导的规划，生成视觉上引人注目且几何与光度可行的人像。

mcp-proto-okn: Natural-language access to open scientific knowledge graphs through the Model Context Protocol

mcp-proto-okn：通过模型上下文协议实现对开放科学知识图谱的自然语言访问

Peter W. Rose, Benjamin M. Good, Amanda M. Saravia-Butler, Charlotte A. Nelson, James P. Balhoff, Yaphet Kebede, Patricia L. Whetzel, Christopher Bizon, Andrew I. Su, Sergio E. Baranzini

机构 * San Diego Supercomputer Center, University of California San Diego（圣地亚哥超级计算机中心，加州大学圣地亚哥分校） ； The Scripps Research Institute（斯克里普斯研究所） ； Amentum, Space Biosciences Division, NASA Ames Research Center（Amentum空间生物学部门，NASA阿姆斯研究中心） ； Mate Bioservices（Mate生物服务） ； Renaissance Computing Institute, University of North Carolina at Chapel Hill（复兴计算研究所，北卡罗来纳大学夏洛特分校） ； Weill Institute for Neurosciences, Department of Neurology, University of California San Francisco（Weill神经科学研究所，神经病学系，加州大学旧金山分校） 纠错

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

AI总结 提出基于模型上下文协议的服务器mcp-proto-okn，使AI助手能通过自然语言发现、查询和集成科学知识图谱，降低跨领域知识图谱分析门槛。

Comments 9 pages, 1 figure

DeepSurvey: Enhancing Analytical Depth and Citation Reliability in Automated Survey Generation

DeepSurvey: 提升自动综述生成中的分析深度与引用可靠性

Ziyue Yang, Da Ma, Hanqi Li, Zijian Wang, Tiancheng Huang, Zijian Hu, Chenrun Wang, Yunzhe Zhang, Xiaobao Wu, Kai Yu, Lu Chen

机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院X-LANCE实验室） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室） ； Suzhou Laboratory, Suzhou, China（苏州实验室） 纠错

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

AI总结 提出DeepSurvey智能体系统，通过结构化全文笔记、跨论文关系建模和代码仓库分析增强分析深度，结合引文图扩展与混合过滤、证据约束引用分配及多粒度智能体精炼提升引用可靠性，在内容质量和引用准确性上超越现有方法。

Harmonizing Real-Time Constraints and Long-Horizon Reasoning: An Asynchronous Agentic Framework for Dynamic Scheduling

协调实时约束与长视距推理：一种用于动态调度的异步智能体框架

Shijie Cao, Yuan Yuan, Jing Liu

机构 * School of Computer Science and Engineering, Beihang University, Beijing 100191, China（北京航空航天大学计算机科学与工程学院） ； Shenzhen Loop Area Institute, Shenzhen, China（深圳环形区研究所） ； Qingdao Research Institute, Beihang University（青岛研究院） ； Hangzhou Innovation Institute, Beihang University（杭州创新研究院） ； School of Artificial Intelligence, Xidian University, Xi’an 710071, Shaanxi, China（西安电子科技大学人工智能学院） ； Guangzhou Institute of Technology, Xidian University, Guangzhou 510555, Guangdong, China（广州技术研究所） 纠错

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

AI总结 提出RACE-Sched异步智能体框架，通过双流架构解耦策略执行与逻辑推理，利用LLM合成和验证符号启发式规则，在保证实时性的同时提升动态调度质量。

ResearchLoop: An Evidence-Gated Control Plane for AI-Assisted Research

ResearchLoop: 一种用于AI辅助研究的证据门控控制平面

Yihan Xia, Taotao Wang

机构 * Shenzhen University（深圳大学） 纠错

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

AI总结 提出ResearchLoop，一种通过证据门控控制平面来确保AI辅助研究中声明可审计的协议，包括状态模型、转换规则和实验验证。

Comments 32 pages, 4 figures, 6 tables; technical report

Short-Term Gain, Long-Term Fragility: AI Labor Substitution and the Erosion of Sustainable Capability

短期收益，长期脆弱：AI劳动力替代与可持续能力的侵蚀

Wolfgang Rohde

机构 * AiSuNe Foundation（AiSuNe基金会） 纠错

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

AI总结 本文提出能力掩盖与能力侵蚀机制，论证AI劳动力替代在短期内提升效率的同时，通过消耗难以重建的人力能力导致系统长期脆弱性增加。

Comments 19 pages, 7 figures, Also available on SSRN: https://doi.org/10.2139/ssrn.6577818

Merge-Bench: Resolve Merge Conflicts with Large Language Models

Merge-Bench: 使用大型语言模型解决合并冲突

Benedikt Schesch, Michael D. Ernst

机构 * Amazon（亚马逊） ； University of Washington（华盛顿大学） 纠错

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

AI总结 本文构建了包含7938个真实合并冲突的数据集Merge-Bench，并利用组相对策略优化（GRPO）训练LLMergeJ模型，在Java程序上以14B参数超越多数商业LLM，但最佳模型正确解决率仍低于60%。

Comments 14 pages, 7 figures

Expand More, Shrink Less: Shaping Effective-Rank Dynamics for Dense Scaling in Recommendation

扩展更多，收缩更少：塑造有效秩动态以实现推荐中的密集扩展

Guoming Li, Shangyu Zhang, Junwei Pan, Wentao Ning, Jin Chen, Gengsheng Xue, Chao Zhou, Shudong Huang, Haijie Gu, Menglin Yang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tencent Inc.（腾讯公司） ； Tencent Inc. Shenzhen China（腾讯公司深圳中国） 纠错

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

AI总结 针对推荐模型扩展中的嵌入坍缩问题，提出RankElastor架构，通过参数化全混合和GLU改进的P-FFN模块缓解有效秩的阻尼振荡，提升表示表达能力并实现稳健扩展。

Comments Accepted at the 32st ACM SIGKDD Conference on Knowledge Discovery and Data Mining (Research Track), KDD 2026 February Cycle

Uncertainty-aware classification and triage of structural heart disease using electrocardiography and echocardiography metrics

基于心电图和超声心动图指标的结构性心脏病不确定性感知分类与分诊

Mitchel J. Colebank

机构 * Department of Mathematics, University of South Carolina（南卡罗来纳大学数学系） 纠错

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

AI总结 本研究利用贝叶斯神经网络对心电图和超声心动图数据进行不确定性感知分类，以改进结构性心脏病的筛查和分诊。

Comments 15 pages, 5 figures

DiM\textsuperscript{3}: Bridging Multilingual and Multimodal Models via Direction- and Magnitude-Aware Merging

DiM\textsuperscript{3}: 通过方向和幅度感知融合连接多语言和多模态模型

Zijing Wang, Mingyang Wang, Ercong Nie, Yongkang Liu, Shi Feng, Mengjie Zhao, Daling Wang, Xiaocui Yang, Hinrich Schütze

机构 * Northeastern University, China（东北大学，中国） ； CIS, LMU Munich, Germany（慕尼黑莱布尼茨大学计算机学院，德国） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 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DiM3方法，通过在共享语言模型骨干中融合残差更新，实现多语言和多模态能力的无缝整合，从而提升多语言性能并保持多模态能力。

How Reliable Are FOSS Popularity Metrics? Analyzing the Effort Required for Spoofing Common Software Popularity Metrics

开源软件流行度指标有多可靠？分析伪造常见软件流行度指标所需的努力

Ben Swierzy, Timo Pohl, Marc Ohm, Michael Meier

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

AI总结 本文研究了开源软件流行度指标的可靠性，分析了伪造这些指标所需的努力，并指出许多指标类别，如提交数据、问题跟踪器活动、下载量、仓库内容和依赖关系，可以被低至中等程度地操纵，揭示了npm上的一个涉及影响奖励机制的Sybil攻击。

Comments Short Version of arXiv:2505.05897v1, Full paper accepted at ARES 2025

Hidden in Memory: Sleeper Memory Poisoning in LLM Agents

记忆中的隐患：LLM代理中的潜伏记忆污染

Sidharth Pulipaka, Stanislau Hlebik, Leonidas Raghav, Sahar Abdelnabi, Vyas Raina, Ivaxi Sheth, Mario Fritz

机构 * SPAR ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； MPI for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Tübingen AI Center（图宾根人工智能中心） ； APTA ； CISPA Helmholtz Center for Information Security（信息安全海德堡中心） 纠错

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

AI总结 研究探讨了LLM代理中由于持久化内存带来的安全风险，提出并研究了潜伏记忆污染攻击，该攻击通过操控外部上下文使代理存储伪造的记忆，影响后续交互，实验显示攻击可跨多次对话持续生效。

Comments 86 pages, 60 tables

A Retrieval-Augmented Generation Approach to Extracting Algorithmic Logic from Neural Networks

一种基于检索增强生成的方法用于从神经网络中提取算法逻辑

Waleed Khalid, Dmitry Ignatov, Radu Timofte

机构 * Computer Vision Lab, CAIDAS, University of Würzburg, Germany（计算机视觉实验室，CAIDAS，乌尔姆大学，德国） 纠错

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

AI总结 本文提出NN-RAG方法，通过检索增强生成技术从神经网络代码库中提取并验证模块，实现了跨仓库的架构迁移与重复检测，提升了神经网络架构的可复现性和多样性。

How to Interpret Agent Behavior

如何解释智能体行为

Jie Gao, Kaiser Sun, Jen-tse Huang, Katherine Van Koevering, Sijie Ji, Heyuan Huang, Weiyan Shi, Zhuoran Lu, Ziang Xiao, Daniel Khashabi, Mark Dredze

机构 * Johns Hopkins University（约翰霍普金斯大学） ； California Institute of Technology（加州理工学院） ； Northeastern University（东北大学） ； Purdue University（普渡大学） 纠错

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

AI总结 本文提出ACT*ONOMY框架，通过构建行为分类体系和开放仓库，帮助研究人员更一致地解读智能体行为，提升监控与控制能力。

Comments 34 pages in total

Attacks and Mitigations for Distributed Governance of Agentic AI under Byzantine Adversaries

针对拜占庭攻击者下的分布式代理AI治理的攻击与缓解措施

Matthew D. Laws, Alina Oprea, Cristina Nita-Rotaru

机构 * Northeastern University（东北大学） 纠错

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

AI总结 本文分析了 compromised Provider 发起的攻击，并提出三种解决方案，在安全与性能之间进行权衡。

Comments 18 pages, 18 figures, 4 tables

ALGOGEN: Tool-Generated Verifiable Traces for Reliable Algorithm Visualization

ALGOGEN: 工具生成的可验证轨迹用于可靠的算法可视化

Kunpeng Liao, Yuexiao Ma, Yisheng Lin, Hualin Zeng, Xiawu Zheng, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） 纠错

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

AI总结 ALGOGEN通过分离算法执行与渲染，利用可视化轨迹代数和渲染风格语言提高算法可视化生成的可靠性，实验表明其在复杂任务中有效减少LLM幻觉，提升生成质量。

Beyond World-Frame Action Heads: Motion-Centric Action Frames for Vision-Language-Action Models

超越世界坐标动作头：面向视觉-语言-动作模型的运动中心动作框架

Huoren Yang, Jianchao Zhao, Hu Yusong, Qiguan Ou, Yuyang Gao, Wei Ke, Yuhang He, SongLin Dong, Zhiheng Ma, Yihong Gong

机构 * Xi’an Jiaotong University（西安交通大学） ； One Robotics ； Shenzhen University of Advanced Technology（深圳大学先进技术学院） 纠错

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

AI总结 本文提出MCF-Proto，一种轻量级动作头，通过运动中心动作框架和原型基动作参数化，提升VLA模型对机器人操作行为的组织与泛化能力。

You Have Been LaTeXpOsEd: A Systematic Analysis of Information Leakage in Preprint Archives Using Large Language Models

你已被LaTeXpOsEd：利用大语言模型对预印本档案中的信息泄露进行系统分析

Richard A. Dubniczky, Bertalan Borsos, Tamas Bisztray, Norbert Tihanyi

机构 * Eötvös Loránd University（埃奥瓦大学） ； University of Oslo（奥斯陆大学） ； Sztaki ； Technology Innovation Institute（技术创新研究所） 纠错

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

AI总结 本文通过分析10万份arXiv提交的1.2TB源数据，揭示了预印本档案中存在大量敏感信息泄露问题，提出LaTeXpOsEd框架结合模式匹配、逻辑过滤和大语言模型检测隐藏披露，揭露了PII泄露、GPS标记文件等风险。

Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery

代理式AI科学家并非为自主科学发现而建

Harshit Bisht, Vinay Kumar, Kevin Maik Jablonka, Mausam, N. M. Anoop Krishnan

机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里计算机科学与工程系） ； Department of Civil and Environmental Engineering, Indian Institute of Technology Delhi（印度理工学院德里土木与环境工程系） ； Laboratory of Organic and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学有机与大分子化学实验室） ； Center for Energy and Environmental Chemistry Jena, Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学能源与环境化学中心） ； Helmholtz Institute for Polymers in Energy Applications Jena (HIPOLE Jena)（耶拿海德堡聚合物能源应用研究所（HIPOLE耶拿）） 纠错

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

AI总结 本文指出，尽管代理式AI科学家能作为合作者，但其设计并非为自主科学发现。挑战包括问题选择偏差、实验室知识缺失、输出多样性压缩及缺乏实验反馈，需重新审视基础设计。

A Dataset of Agentic AI Coding Tool Configurations

一种代理AI编码工具配置数据集

Matthias Galster, Seyedmoein Mohsenimofidi, Levi Böhme, Jai Lal Lulla, Muhammad Auwal Abubakar, Christoph Treude, Sebastian Baltes

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

AI总结 本文提出一个包含40585个开源仓库的AI编码工具配置数据集，涵盖5种工具和8种配置机制，用于研究上下文工程、AI工具采用模式和人机协作。

Comments 9 pages, 8 figures, 2 tables, Proceedings of the 3rd ACM/IEEE International Conference on AI-powered Software (AIware 2026)

Boosting Automatic Java-to-Cangjie Translation with Multi-Stage LLM Training and Error Repair

通过多阶段LLM训练和错误修复提升Java到Cangjie的自动翻译

Xinyue Liang, Jingxuan Zhang, Lin Li, Jun Zhang, Junhao Chen

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

AI总结 本文提出多阶段LLM训练框架，结合编译器反馈和错误修复，提升Java到Cangjie的翻译准确性与语义一致性，实验显示在有限平行数据下功能等价性提升6.06%。

In-Context Positive-Unlabeled Learning

上下文正负学习

Siyan Liu, Yi Chang, Manli Cheng, Qinglong Tian, Pengfei Li

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

AI总结 本文提出PUICL，一种通过上下文学习解决正负学习问题的预训练Transformer，能在无需梯度更新的情况下实现高精度分类。

Comments 12 pages, 1 figure, 3 tables

AMSnet-q: Unsupervised Circuit Identification and Performance Labeling for AMS Circuits

AMSnet-q：无监督的电路识别与性能标注用于AMS电路

Ze Zhang, Junzhuo Zhou, Yichen Shi, Zhuofu Tao, Rui Ji, Zhiping Yu, Quan Chen, Ting-Jung Lin, Lei He

机构 * Southern University of Science and Technology（南方科技大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； Eastern Institute of Technology Ningbo（宁波东部技术研究院） 纠错

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

AI总结 AMSnet-q通过无监督方法自动构建AMS电路数据库，实现电路功能验证和性能标注，无需人工干预。

A Hybrid Windkessel-Neural Approach for Improved Noninvasive Blood Pressure Monitoring

一种结合风阻和神经网络的方法用于改进无创血压监测

Vaibhav Gollapalli, Aniruth Ananthanarayanan

机构 * University of North Texas（北卡罗来纳州立大学） 纠错

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

AI总结 本文提出结合风阻模型与机器学习的方法，通过将风阻模型转化为可应用于神经网络的ODE系统，提升血压预测的物理一致性和鲁棒性。

Characterizing and Modeling the GitHub Security Advisories Review Pipeline

刻画和建模GitHub安全通告审查流程

Claudio Segal, Paulo Segal, Carlos Eduardo Banjar, Felipe de Sant'Anna Paixão, Hudson Silva Borges, Paulo Silveira, Eduardo Santana de Almeida, Joanna C. S. Santos, Anton Kocheturov, Gaurav Kumar Srivastava, Daniel Sadoc Menasché

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

AI总结 本文通过大规模实证研究分析GitHub安全通告审查流程，发现两类不同延迟机制，并建立队列模型以解释审查流程差异。

Comments Paper accepted at 23rd International Mining Software Repositories Conference (MSR 2026)

Semi-supervised learning with max-margin graph cuts

基于最大边际图割的半监督学习

Branislav Kveton, Michal Valko, Ali Rahimi, Ling Huang

机构 * Intel Labs（英特尔实验室） ； Santa Clara University（圣克拉拉大学） ； University of Pittsburgh（匹兹堡大学） ； Berkeley（伯克利） 纠错

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

AI总结 本文提出了一种新的半监督学习算法，通过最大化谐波函数解诱导标签的边际来学习图割。在合成数据和UCI ML数据集上验证了方法的有效性，并证明了其泛化误差界。

Comments Published at AISTATS 2010 (13th International Conference on Artificial Intelligence and Statistics)

Asset Administration Shell-Based OCL Validation Framework for Model-Based System Engineering

基于资产管理壳的OCL验证框架用于基于模型的系统工程

Om Parkash, Jannik Bauer, Vincent Schmitt, Thomas Greiner, Rainer Drath

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

AI总结 本文提出基于资产管理壳的OCL验证框架，解决MBSE中模型约束管理和验证结果分散的问题，通过虚构工业场景演示方法，并公开所有 artifacts 以支持可重复性。

Comments 7 Pages, Accepted to IFAC 2026 (23rd IFAC World Congress)

Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests

野外代理搜索：从1400万次真实搜索请求中获取意图和轨迹动态

Jingjie Ning, João Coelho, Yibo Kong, Yunfan Long, Bruno Martins, João Magalhães, Jamie Callan, Chenyan Xiong

机构 * Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon Lisbon Portugal ； NOVA LINCS\ University Lisbon Caparica Portugal ； Carnegie Mellon University ； INESC-ID, Carnegie Mellon University ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon ； NOVA LINCS\ University Lisbon 纠错

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

AI总结 本文分析了1400万次真实搜索请求，揭示了代理搜索会话中的行为模式，包括步骤数、时间间隔及查询重构的可追溯性，为重复敏感停止和意图适应检索预算提供信号。

Comments Accepted at SIGIR 2026. DOI: 10.1145/3805712.3809627

RetroMotion: Retrocausal Motion Forecasting Models are Instructable

RetroMotion：逆因果运动预测模型具有可指导性

Royden Wagner, Omer Sahin Tas, Felix Hauser, Marlon Steiner, Dominik Strutz, Abhishek Vivekanandan, Jaime Villa, Yinzhe Shen, Carlos Fernandez, Christoph Stiller

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究中心） ； University Charles III of Madrid（马德里第三大学） 纠错

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

AI总结 本文提出RetroMotion模型，通过分解多代理运动预测为边际分布和联合分布，利用Transformer生成联合分布，实现信息逆向流动，有效提升预测精度，并在多个数据集上表现优异。

Comments CVPRW26

Learning from Medical Entity Trees: An Entity-Centric Medical Data Engineering Framework for MLLMs

从医学实体树学习：一种以实体为中心的医疗数据工程框架用于多模态大语言模型

Jianghang Lin, Haihua Yang, Deli Yu, Kai Wu, Kai Ye, Jinghao Lin, Zihan Wang, Yuhang Wu, Liujuan Cao

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University, China（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学，中国） ； ByteDance（字节跳动） ； Northeastern University（东北大学） 纠错

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

AI总结 本文提出以实体为中心的医疗数据工程框架，通过构建医学实体树，提升多模态大语言模型在医疗领域的表现，通过实体引导检索、双重过滤和知识感知数据合成等方法，增强模型处理复杂临床问题的能力。