Beihang University（北京航空航天大学）

TraceCoder: A Trace-Driven Multi-Agent Framework for Automated Debugging of LLM-Generated Code

TraceCoder: 一个基于跟踪的多智能体框架，用于自动调试LLM生成的代码

Jiangping Huang, Wenguang Ye, Weisong Sun, Jian Zhang, Mingyue Zhang, Yang Liu

机构 * School of Computer Science and Technology, Chongqing University of Posts and Telecommunications（重庆邮电大学计算机科学与技术学院） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Southwest University（西南大学） 纠错

AI总结 TraceCoder通过多智能体框架和历史教训学习机制，提升LLM生成代码的自动调试效率和准确性。

LIBERO-X: Robustness Litmus for Vision-Language-Action Models

LIBERO-X：用于视觉-语言-动作模型的鲁棒性检测仪

Guodong Wang, Chenkai Zhang, Qingjie Liu, Jinjin Zhang, Jiancheng Cai, Junjie Liu, Xinmin Liu

机构 * Meituan（美团） ； Beihang University（北京航空航天大学） 纠错

AI总结 LIBERO-X通过分层评估协议和多样化训练数据集，系统性地提升视觉-语言-动作模型的鲁棒性评估能力。

Comments 19 pages, 14 figures and 8 tables

POPL-KF: A Pose-Only Geometric Representation-Based Kalman Filter for Point-Line-Based Visual-Inertial Odometry

POPL-KF：一种基于仅姿态几何表示的卡尔曼滤波器用于点-线基于的视觉-惯性里程计

Aiping Wang, Zhaolong Yang, Shuwen Chen, Hai Zhang

机构 * School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学） 纠错

AI总结 POPL-KF通过仅姿态几何表示和改进的滤波方法，提升视觉-惯性里程计在复杂场景中的性能和精度。

SWE-Dev: Evaluating and Training Autonomous Feature-Driven Software Development

SWE-Dev：评估和训练自主的基于特征驱动的软件开发

Yaxin Du, Yuzhu Cai, Yifan Zhou, Cheng Wang, Yu Qian, Xianghe Pang, Qian Liu, Yue Hu, Siheng Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Michigan（密歇根大学） 纠错

AI总结 SWE-Dev是一个大规模数据集，用于评估和训练自主编码系统在特征驱动软件开发中的能力，通过提供可运行环境和单元测试提升模型性能。

NanoNet: Parameter-Efficient Learning with Label-Scarce Supervision for Lightweight Text Mining Model

NanoNet：基于标签稀缺监督的轻量文本挖掘模型参数高效学习

Qianren Mao, Yashuo Luo, Ziqi Qin, Junnan Liu, Weifeng Jiang, Zhijun Chen, Zhuoran Li, Likang Xiao, Chuou Xu, Qili Zhang, Hanwen Hao, Jingzheng Li, Chunghua Lin, Jianxin Li, Philip S. Yu

机构 * Zhongguancun Laboratory（中关村实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Nanyang Technological University (NTU)（南洋理工大学） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； Department of Computer Science, University of Illinois at Chicago（伊利诺伊大学香槟分校计算机科学系） 纠错

AI总结 NanoNet通过参数高效学习和知识蒸馏，实现轻量文本挖掘模型在有限监督下的高效训练与推理