代码大模型 / AI 编程

Dreaming Is Not a Bug: A Jung-Inspired Dream Layer for Multi-Agent LLM Companions

梦境并非bug：一种基于荣格思想的多智能体LLM伴侣的梦境层

V. Cheung

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

AI总结 本文提出一种基于荣格思想的梦境层，通过离线生成梦境叙事来增强多智能体LLM伴侣的学习与关系建立能力，将幻觉转化为资源而非bug。

Comments Preprint, 35 pages (5 pages of appendix), 2 figures, 3 tables. Conceptual and architectural proposal with preliminary simulation results

Categorical Foundations for CuTe Layouts

CuTe布局的范畴基础

Jack Carlisle, Jay Shah, Reuben Stern, Paul VanKoughnett

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

AI总结 本文提出一个范畴框架，用于理解和实现CuTe布局代数，通过定义Tuple和Nest范畴及其态射操作，提供与CUTLASS行为一致的Python实现。

Comments 174 pages

From See to Shield: ML-Assisted Fine-Grained Access Control for Visual Data

从看见到防护：基于机器学习的细粒度访问控制用于视觉数据

Mete Harun Akcay, Buse Gul Atli, Siddharth Prakash Rao, Alexandros Bakas

机构 * Abo Akademi University, Nokia Bell Labs, Finland（阿博阿卡迪米大学、诺基亚贝尔实验室，芬兰） ； Linköping University, Nokia Bell Labs, Sweden（林肯皮大学、诺基亚贝尔实验室，瑞典） ； Nokia Bell Labs, Finland（诺基亚贝尔实验室，芬兰） 纠错

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

AI总结 本文提出一种基于机器学习的细粒度视觉数据访问控制系统，通过混合加密方案实现敏感信息的高效保护与策略执行，提升了隐私敏感对象检测的准确性和系统性能。

Comments 11 pages, 4 figures, 6 tables. In submission

Knowledge-Driven Multi-Turn Jailbreaking on Large Language Models

基于知识的多轮对抗攻击大语言模型

Songze Li, Ruishi He, Xiaojun Jia, Jun Wang, Zhihui Fu

机构 * Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 Mastermind通过动态知识库和分层规划架构，实现对大语言模型的高效多轮对抗攻击，显著提升攻击效果和防御韧性。

Code Contribution and Credit in Science

科学中的代码贡献与信用

Eva Maxfield Brown, Isaac Slaughter, Nicholas Weber

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

AI总结 研究探讨了科学领域中代码贡献与传统作者身份信用之间的关系，发现代码贡献者常未获认可，且高频编码与学术影响力指标呈负相关。

Comments Revisions after peer-review. This is the "Accepted" version of the paper!

Annealed Langevin Posterior Sampling (ALPS): A Rapid Algorithm for Image Restoration with Multiscale Energy Models

退火拉格朗日后验采样（ALPS）：一种用于图像修复的多尺度能量模型快速算法

Jyothi Rikhab Chand, Mathews Jacob

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 ALPS通过多尺度能量模型和退火拉格朗日后验采样，提升图像修复和MRI重建的准确性和效率。

COLT: Enhancing Video Large Language Models with Continual Tool Usage

COLT: 通过持续工具使用增强视频大语言模型

Yuyang Liu, Meng Cao, Xinyuan Shi, Xiaondan Liang

机构 * University of Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed大学人工智能学院） 纠错

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

AI总结 COLT通过持续工具使用增强视频大语言模型，解决工具数据持续变化的问题，提升视频理解性能。

Comments 16 pages

A Survey on the Application of Large Language Models in Scenario-Based Testing of Automated Driving Systems

面向自动驾驶系统场景化测试的大型语言模型应用综述

Yongqi Zhao, Ji Zhou, Dong Bi, Tomislav Mihalj, Jia Hu, Arno Eichberger

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

AI总结 本文综述了大型语言模型在自动驾驶系统场景化测试中的应用，系统分类了其在不同测试阶段的角色，并总结了关键特性与使用策略，同时指出了五个开放挑战和研究方向。

Comments 24 pages, 11 figures

Journal ref IEEE Transactions on Intelligent Transportation Systems 2025

A Survey of Efficient Reasoning for Large Reasoning Models: Language, Multimodality, and Beyond

大推理模型高效推理的综述：语言、多模态与更远的探索

Xiaoye Qu, Yafu Li, Zhao-Chen Su, Weigao Sun, Jianhao Yan, Dongrui Liu, Ganqu Cui, Daizong Liu, Shuxian Liang, Junxian He, Peng Li, Wei Wei, Jing Shao, Chaochao Lu, Yue Zhang, Xian-Sheng Hua, Bowen Zhou, Yu Cheng

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Soochow University（苏州大学） ； Westlake University（西湖大学） ； Peking University（北京大学） ； Tongji University（同济大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文综述了大推理模型在提升推理效率方面的最新研究，聚焦于语言、多模态及未来方向，旨在推动该领域的发展。

Comments Update recent RL papers. Project page: https://github.com/XiaoYee/Awesome_Efficient_LRM_Reasoning

ForeCal: Random Forest-based Calibration for DNNs

ForeCal：基于随机森林的DNN校准

Dhruv Nigam

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

AI总结 ForeCal是一种基于随机森林的DNN事后校准方法，通过弱单调性和范围保持性实现更精确的校准，优于现有方法并在保持判别能力的同时降低校准误差。

Journal ref CODS-COMAD 2024

WGLE:Backdoor-free and Multi-bit Black-box Watermarking for Graph Neural Networks

WGLE:无后门且多比特的图神经网络黑盒水印技术

Tingzhi Li, Xuefeng Liu, Jing Lei, Xingang Zhang

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

AI总结 WGLE是一种无需后门的图神经网络黑盒水印技术，通过边上的分层距离差实现多比特水印嵌入，实现高准确率的所有权验证。

Initialization of a Polyharmonic Cascade, Launch and Testing

多项式谐波级联的初始化，启动与测试

Yuriy N. Bakhvalov

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

AI总结 本文提出了一种基于超八面体对称星座的多项式谐波级联初始化方法，实现了高效稳定训练并在多个数据集上展示了优异的性能。

Comments Part 4 of 4 in the "Polyharmonic Cascade" cycle. Contains initialization algorithms and experimental results (MNIST, HIGGS, Epsilon). Previous papers: arXiv:2512.12731, arXiv:2512.16718, arXiv:2512.17671. Source code: https://github.com/xolod7/polyharmonic-cascade

Demonstration-Guided Continual Reinforcement Learning in Dynamic Environments

动态环境中的演示引导持续强化学习

Xue Yang, Michael Schukat, Junlin Lu, Patrick Mannion, Karl Mason, Enda Howley

机构 * School of Computer Science, University of Galway（Galway大学计算机科学学院） 纠错

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

AI总结 本研究提出演示引导持续强化学习（DGCRL），通过外部演示库指导智能体探索与适应，提升动态环境中的学习效率和知识迁移能力。

MAIN: Mutual Alignment Is Necessary for instruction tuning

MAIN：互斥对齐是指令微调的必要条件

Fanyi Yang, Jianfeng Liu, Xin Zhang, Haoyu Liu, Xixin Cao, Yuefeng Zhan, Hao Sun, Weiwei Deng, Feng Sun, Qi Zhang

机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） 纠错

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

AI总结 本文提出MAIN框架，通过互斥约束增强指令与响应的一致性，提升LLM在多种基准上的性能。

Comments Accepted by EMNLP 2025

Enigma: Application-Layer Privacy for Quantum Optimization on Untrusted Computers

Enigma：量子优化在不可信计算机上的应用层隐私保护

Ramin Ayanzadeh, Ahmad Mousavi, Amirhossein Basareh, Narges Alavisamani, Kazem Taram

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； American University（美国大学） ； 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 Enigma通过应用层混淆技术保护量子优化在不可信计算机上的隐私，有效抵御攻击同时保持计算效率。

PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning

PrivORL: 用于离线强化学习的差分隐私合成数据集

Chen Gong, Zheng Liu, Kecen Li, Tianhao Wang

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 PrivORL通过差分隐私技术合成离线强化学习数据集，利用扩散模型和好奇心驱动预训练提升合成数据的多样性和保真度。

Comments Accepted at NDSS 2026; code available at https://github.com/2019ChenGong/PrivORL

Game-RL: Synthesizing Multimodal Verifiable Game Data to Boost VLMs' General Reasoning

Game-RL: 合成多模态可验证游戏数据以提升VLMs的通用推理能力

Jingqi Tong, Jixin Tang, Hangcheng Li, Yurong Mou, Ming Zhang, Jun Zhao, Yanbo Wen, Fan Song, Jiahao Zhan, Yuyang Lu, Chaoran Tao, Zhiyuan Guo, Jizhou Yu, Tianhao Cheng, Zhiheng Xi, Changhao Jiang, Zhangyue Yin, Yining Zheng, Weifeng Ge, Guanhua Chen, Tao Gui, Xipeng Qiu, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 Game-RL通过合成多模态可验证游戏数据提升VLMs的通用推理能力。

Comments 69 pages, 24 figures

Decoupling Template Bias in CLIP: Harnessing Empty Prompts for Enhanced Few-Shot Learning

解除CLIP中的模板偏见：利用空提示提升少样本学习

Zhenyu Zhang, Guangyao Chen, Yixiong Zou, Zhimeng Huang, Yuhua Li

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

AI总结 本研究通过引入空提示机制，减少CLIP中模板偏见对少样本学习的影响，提升分类准确性和鲁棒性。

Comments 14 pages, 8 figures, Association for the Advancement of Artificial Intelligence (AAAI2026, poster)

Argus: A Multi-Agent Sensitive Information Leakage Detection Framework Based on Hierarchical Reference Relationships

Argus：基于分层参考关系的多智能体敏感信息泄露检测框架

Bin Wang, Hui Li, Liyang Zhang, Qijia Zhuang, Ao Yang, Dong Zhang, Xijun Luo, Bing Lin

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（超高清沉浸媒体技术广东省重点实验室，北京大学深圳研究生院） ； University of Electronic Science and Technology of China（电子科技大学） ； Tencent Security Platform Department（腾讯安全平台部） ； China Unicom (Guangdong) Industrial Internet Co., Ltd（中国联通（广东）工业互联网有限公司） 纠错

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

AI总结 Argus通过多智能体协作框架整合关键内容、文件上下文和项目参考关系，有效降低误报率，提升敏感信息检测的准确性和效率。

Comments 11 pages, 7 figures, 8 tables;Accepted to ICSE 2026 Research Track

FRWKV:Frequency-Domain Linear Attention for Long-Term Time Series Forecasting

FRWKV：频率域线性注意力用于长期时间序列预测

Qingyuan Yang, Shizhuo Deng, Dongyue Chen, Da Teng, Zehua Gan

机构 * College of Information Science and Engineering（信息科学与工程学院） 纠错

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

AI总结 FRWKV通过频率域线性注意力机制提升长序列时间序列预测的效率与准确性

Hyperbolic Large Language Models

双曲大语言模型

Sarang Patil, Zeyong Zhang, Yiran Huang, Tengfei Ma, Mengjia Xu

机构 * Department of Data Science, New Jersey Institute of Technology（数据科学系，新泽西理工学院） ； Department of Biomedical Informatics, Stony Brook University（生物医学信息学系，石溪大学） 纠错

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

AI总结 本文提出双曲大语言模型，通过双曲几何提升语义表示学习和多尺度推理能力。

Comments 27 pages, 7 figures

LOCUS: A System and Method for Low-Cost Customization for Universal Specialization

LOCUS：一种低成本定制化用于通用特化的系统和方法

Dhanasekar Sundararaman, Keying Li, Wayne Xiong, Aashna Garg

机构 * Microsoft（微软） 纠错

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

AI总结 LOCUS通过低成本定制化方法，在通用特化任务中实现高效模型训练，优于GPT-4o并显著降低计算成本。

Small Language Models Reshape Higher Education: Courses, Textbooks, and Teaching

小型语言模型重塑高等教育：课程、教材和教学

Jian Zhang, Jia Shao

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

AI总结 本研究利用小型语言模型重新设计大气物理课程，通过构建高维向量库实现教学资源的动态化与智能化，推动教育模式的变革。

Comments in Chinese language

FedGES: A Federated Learning Approach for BN Structure Learning

FedGES：一种用于贝叶斯网络结构学习的联邦学习方法

Pablo Torrijos, José A. Gámez, José M. Puerta

机构 * Instituto de Investigación en Informática de Albacete (I3A). Universidad de Castilla-La Mancha（阿尔巴塞特信息研究所（I3A）. 卡斯蒂利亚-拉曼查大学） ； Departamento de Sistemas Informáticos. Universidad de Castilla-La Mancha（信息系统系. 卡斯蒂利亚-拉曼查大学） 纠错

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

AI总结 FedGES是一种用于贝叶斯网络结构学习的联邦学习方法，通过仅交换网络结构而非数据来解决隐私问题，适用于高维和稀疏数据场景。

Journal ref Discovery Science. DS 2024. Lecture Notes in Computer Science(), vol 15244. Springer, Cham

Training Multi-Layer Binary Neural Networks With Local Binary Error Signals

训练多层二进制神经网络的局部二进制误差信号

Luca Colombo, Fabrizio Pittorino, Manuel Roveri

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

AI总结 本研究提出了一种完全二进制且无梯度的训练算法，用于多层二进制神经网络，通过局部二进制误差信号和二进制权重更新，显著提升测试准确率并降低计算成本。

Journal ref Machine Learning: Science and Technology, 2025, 6(3): 035015

One Detector Fits All: Robust and Adaptive Detection of Malicious Packages from PyPI to Enterprises

一个检测器适用于所有：从PyPI到企业的恶意包鲁棒且自适应检测

Biagio Montaruli, Luca Compagna, Serena Elisa Ponta, Davide Balzarotti

机构 * Endor Labs（Endor实验室） 纠错

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

AI总结 本文提出一种鲁棒且自适应的恶意包检测器，适用于PyPI和企业环境，通过对抗性训练提升检测鲁棒性，并在不同FPR需求下实现高效检测。

Comments Proceedings of the 2025 Annual Computer Security Applications Conference (ACSAC' 25), December 8-12, 2025, Honolulu, Hawaii, USA

Package Dashboard: A Cross-Ecosystem Framework for Dual-Perspective Analysis of Software Packages

Package Dashboard: 一个跨生态系统的软件包双视角分析框架

Ziheng Liu, Runzhi He, Minghui Zhou

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

AI总结 Package Dashboard是一个跨生态系统的软件包分析框架，通过整合元数据、漏洞信息和社区健康指标，实现全面的双视角风险评估，提升开源生态系统的透明性和可信度。

Misalignment of Semantic Relation Knowledge between WordNet and Human Intuition

词网与人类直觉之间语义关系知识的不一致

Zhihan Cao, Hiroaki Yamada, Simone Teufel, Takenobu Tokunaga

机构 * Institute of Science Tokyo（东京科学研究所） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 研究发现词网与人类直觉在语义关系知识上存在系统性不一致，影响其应用与改进。

Comments Accepted by Global WordNet Conference 2025

Journal ref Proceedings of the 13th Global Wordnet Conference (GWC2025), pages 25-36

Learning with Physical Constraints

带有物理约束的学习

Miguel A. Mendez, Jan van Den Berghe, Manuel Ratz, Matilde Fiore, Lorenzo Schena

机构 * von Karman Institute for Fluid Dynamics（冯·卡门流体动力学研究所） 纠错

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

AI总结 本研究通过三个玩具问题展示了如何利用物理约束进行回归，涵盖超分辨率、湍流建模和系统识别等应用。

Comments Chapter 3 from Machine Learning for Fluid Dynamics (ISBN 978-2875162090). Based on the VKI-ULB lecture series ''Machine Learning for Fluid Dynamics,'' held in Brussels in February 2022

The Hidden AI Race: Tracking Environmental Costs of Innovation

隐藏的人工智能竞赛：追踪创新的环境成本

Shyam Agarwal, Mahasweta Chakraborti

机构 * Department of Computer Science, University of California, Davis（加州大学戴维斯分校计算机科学系） ； Department of Communication, University of California, Davis（加州大学戴维斯分校传播系） 纠错

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

AI总结 本文研究了人工智能创新的环境成本，发现模型大小和版本发布频率与高排放相关，同时揭示了不同组织类型对排放的影响，呼吁推动绿色AI实践。