AI 大模型
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。
PhysNote: 为视觉-语言模型中的可进化物理推理提供自我知识笔记
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Rice University（里奇大学） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出PhysNote框架，通过自我生成的知识笔记提升视觉-语言模型在动态物理推理中的表现，实验显示其在PhysBench上达到56.68%的准确率，优于多智能体基线。
Comments 11 pages. Accepted by ICLR 2026 Workshop ES-Reasoning
面向工业预测分析的异质感知个性化联邦学习
机构 * Edward P. Fitts Department of Industrial and Systems Engineering, North Carolina State University（爱德华·P·菲茨斯工业与系统工程系，北卡罗来纳州立大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出一种面向工业预测分析的异质感知个性化联邦学习模型，通过迭代促进具有相似退化模式的客户端间的协作，提升个性化联邦学习性能，同时实现模型个性化、数据隐私保护和全面故障时间分布提供。
系统性检测Java项目中的能源回归及其相应代码模式
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文提出EnergyTrackr方法，用于检测Java项目中多提交的能源回归，识别潜在增加软件能耗的代码反模式，帮助开发者优化代码以减少能耗。
StrikeWatch: 基于紧凑时间序列模型的腕戴式步态识别在低功耗FPGA上
机构 * University of Duisburg-Essen, Duisburg, Germany（杜伊斯堡-埃森大学） ； PALUNO, The Ruhr Institute for Software Technology, Essen, Germany（PALUNO鲁尔软件技术研究所）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出StrikeWatch，一种基于IMU信号的腕戴式实时步态识别系统，通过优化四种紧凑深度学习架构在FPGA上的能耗效率，实现步态模式的自我纠正。
Comments 9 pages, 6 figures, 3 tables, accepted by IEEE Annual Congress on Artificial Intelligence of Things (IEEE AIoT) and got best paper award
面向嵌入式FPGA的自动化能源感知时间序列模型部署用于抗灾联合排水系统管理
机构 * University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Berlin University of Applied Sciences and Technology（柏林应用技术大学） ； Einstein Center for Digital Future（数字未来埃因斯坦中心）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出一种端到端预测框架，通过在边缘设备上高效执行轻量级Transformer和LSTM模型，实现低能耗的排水系统预测，为抗灾管理提供支持。
Comments 6 pages, 6 figures, 1 table, accepted by the 11th IEEE International Smart Cities Conference (ISC2)
LLMs能否超越经典超参数优化算法？对autoresearch的研究
机构 * ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Prior Labs（Prior实验室）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文通过autoresearch平台比较经典HPO算法与LLM方法在优化小型语言模型超参数时的表现，发现经典方法在避免内存故障方面更优，而LLM在代码编辑能力上有所提升，但未完全超越经典方法，提出Centaur混合方法结合经典算法和LLM优势，取得最佳效果。
在AI辅助研究软件开发中应用SHAPR：从构建股票交易系统中获得的经验
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文通过构建模块化股票交易系统案例，展示了SHAPR框架在AI辅助软件开发中的应用，强调持续文档更新、合同稳定编码、源码层提升连贯性等核心方法与贡献。
Comments 6 pages, 2 figures, conference paper
自主进化EDA工具：多智能体自进化ABC
机构 * NVIDIA Research（NVIDIA研究） ； University of Maryland（马里兰大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI
AI总结 本文提出首个自进化逻辑综合框架，利用大语言模型代理自主改进ABC逻辑综合系统源代码，通过多套基准测试验证其在大规模代码层面的自主进化能力。
Comments 7 pages; To appear at DAC 2026
二次研究中的研究物：软件工程中的系统映射
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文通过系统映射分析了2013-2023年间537项二次研究中研究物的报告情况，发现仅31.5%的研究包含研究物，但随时间推移有所提升，2023年仍有62%的研究提供研究物，但永久存储的比例较低。
Comments Published in Information and Software Technology (Volume 187, November 2025, 107830)
Journal ref Information and Software Technology Information and Software Technology,187,2025
词源何处：通过源归属高效正则化代码分词器
机构 * CAIRO, Technical University of Applied Sciences Würzburg-Schweinfurt（CAIRO应用技术大学（乌尔姆-施维林）） ； JetBrains Research（JetBrains研究） ； TU Delft（代尔夫特理工大学）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL
AI总结 本文通过源归属BPE（SA-BPE）正则化方法，解决代码分词器因训练数据不平衡导致的冗余token问题，提升分词效率与安全性。
开发者如何采用、使用和演变CI/CD缓存：一项针对GitHub Actions的实证研究
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文通过分析952个GitHub仓库，研究开发者在GitHub Actions中配置和演变CI/CD缓存的方式，揭示缓存使用模式及演变驱动因素，量化缓存维护的大量工作量。
将供应链安全应用于研究软件
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文提出面向研究软件供应链的分类法，通过系统回顾和数据集构建，建立统一的分类体系，并展示如何利用OpenSSF Scorecard分析不同分类簇的安全信号差异。
Journal ref ICSE-JAWS 2026
ORBIT: 用于自主C到Rust转换的引导代理 orchestration
专题命中 仓库级理解 ：coding agent(abstract)；分类 cs.SE
AI总结 ORBIT 提出一种自主代理框架，通过动态上下文收集和依赖引导 orchestration 实现项目级 C到Rust转换，显著提升大规模代码转换的准确性和安全性。
GitFarm: 为大规模单体仓库提供 Git 服务
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 针对 Uber 单体仓库中传统 Git 工作流的瓶颈问题，GitFarm 通过 gRPC API 提供状态化、身份范围化的 Git 服务，减少本地克隆和 I/O 开销，提升性能和可扩展性。
Comments 9 pages, 10 images
统一管理糖尿病时间序列数据的数据格式：DIAbetes eXchange (DIAX)
机构 * University of Virginia, Center for Diabetes Technology（弗吉尼亚大学糖尿病技术中心）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出DIAX数据格式，统一糖尿病时间序列数据，促进机器学习应用的互操作性和可重复性，支持多个主流数据集。
Comments 7 pages, 2 figures
大型视觉-语言模型高效推理：瓶颈、技术与前景
机构 * The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高科技区（滨江）区块链与数据安全研究院）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.CL
AI总结 本文系统分析了大型视觉-语言模型推理中的效率瓶颈，提出基于推理生命周期的分类技术，探讨了信息密度、长上下文注意力管理和内存限制的平衡，并展望了未来四个前沿方向。
Comments Accepted to ACL 2026 Findings
研究基于CI/CD的技术债务管理在开源项目中的应用
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文通过分析GitHub上的60万Travis CI配置文件，探讨了技术债务管理工具在CI/CD流水线中的使用情况，发现大多数工具通过外部脚本执行，且'无反馈'是常见配置反模式。
面向上下文的持续集成采纳决策展望
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文提出基于AI的框架，通过评估项目特征推荐适合的CI服务，旨在实现基于上下文的CI采纳决策，避免冗余服务和迁移成本。
Comments Accepted at the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE 2026)
双重重排：融合因果性与效用性用于工业生成重排
机构 * Kuaishou Technology（快手科技） ； Unaffiliated（无单位）
专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG
AI总结 本文提出Dual-Rerank框架，通过序列知识蒸馏解决结构矛盾，利用列表式解耦重排优化解决优化差距，提升重排效率与用户满意度。
所有LCA模型都是错误的。有些模型有用吗？迈向开放的ICT计算LCA
专题命中 仓库级理解 ：repository(abstract)；分类 cs.SE
AI总结 本文探讨ICT LCA中模型的可靠性问题，指出需严格构建和校准模型系统，并提出四个关键要求及开放框架以提升可信度。
Comments Accepted at the Sustainable Computing Workshop in the scope of the 23rd ACM International Conference on Computing Frontiers (2026)
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。
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。
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：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：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
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
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。
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 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：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}
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈