代码大模型 / AI 编程

Test-Time Alignment for Large Language Models via Textual Model Predictive Control

通过文本模型预测控制对大型语言模型进行测试时对齐

Kuang-Da Wang, Teng-Ruei Chen, Yu Heng Hung, Guo-Xun Ko, Shuoyang Ding, Yueh-Hua Wu, Yu-Chiang Frank Wang, Chao-Han Huck Yang, Wen-Chih Peng, Ping-Chun Hsieh

机构 * National Yang Ming Chiao Tung University ； NVIDIA ； National Taiwan University 纠错

专题命中 代码生成 ：code generation(abstract)；program synthesis(abstract)；分类 cs.CL

AI总结 本文提出TMPC方法，通过文本模型预测控制解决测试时对齐问题，通过分层强化学习原理改进生成过程，提升不同任务的性能。

Comments Accepted for ICLR 2026. Project page: https://rl-bandits-lab.github.io/TMPC/

The $\mathbf{Y}$-Combinator for LLMs: Solving Long-Context Rot with $λ$-Calculus

LLMs的Y-组合子：解决长上下文旋转问题的λ演算

Amartya Roy, Rasul Tutunov, Xiaotong Ji, Matthieu Zimmer, Haitham Bou-Ammar

机构 * The School of Interdisciplinary Research（跨学科研究学院） ； Indian Institute of Technology (IIT) Delhi（印度理工学院德里分校） ； Robert Bosch GmbH, India（德国罗伯特·博世有限公司，印度） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Huawei Noah’s Ark UCL Centre for Artificial Intelligence（华为诺亚方舟大学伦敦人工智能中心） 纠错

专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出λ-RLM框架，通过类型化的功能运行时替代自由递归代码生成，提升长上下文推理的可靠性与效率。

Improved Generalized Planning with LLMs through Strategy Refinement and Reflection

通过策略细化与反思改进基于LLM的通用规划

Katharina Stein, Nils Hodel, Daniel Fišer, Jörg Hoffmann, Michael Katz, Alexander Koller

专题命中 代码生成 ：code generation(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出通过生成伪代码并自动调试，结合反思步骤提升LLM生成的通用规划质量，实验显示改进后配置在17个基准领域达到82%的平均覆盖率。

TrustFlow: Topic-Aware Vector Reputation Propagation for Multi-Agent Ecosystems

TrustFlow：基于主题的向量声誉传播用于多智能体生态系统

Volodymyr Seliuchenko

专题命中 软件智能体 ：software agent(abstract)；分类 cs.AI

AI总结 TrustFlow通过主题门控转移运算符在交互图中传播声誉，采用多维声誉向量提升精度，有效抵御Sybil攻击和声誉洗白。

Comments 14 pages, 3 figures, demo at https://robutler.ai

LSR: Linguistic Safety Robustness Benchmark for Low-Resource West African Languages

LSR：低资源西非语言的语言安全鲁棒性基准

Godwin Abuh Faruna

机构 * Fagmart Lab（法格马特实验室） 纠错

专题命中 代码评测 ：repository(abstract)；分类 cs.CL、cs.AI

AI总结 LSR是首个评估跨语言拒绝退化现象的基准，针对西非语言中的有害意图表达，发现模型拒绝率从英语的90%降至35-55%，其中Igala语言退化最严重。

Comments 6 pages. Reference implementation: https://huggingface.co/spaces/Faruna01/lsr-dashboard. Dataset: https://huggingface.co/datasets/Faruna01/lsr-benchmark

Deep Face Restoration: A Survey

深度人脸修复：综述

Tao Wang, Kaihao Zhang, Jiankang Deng, Tong Lu, Wei Liu, Stefanos Zafeiriou

机构 * The State Key Lab for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Australian National University（澳大利亚国立大学） ； Imperial College London（伦敦帝国理工学院） ； Tencent（腾讯） 纠错

专题命中 代码评测 ：repository(abstract)

AI总结 本文综述了基于深度学习的人脸修复方法，分析了问题 formulations、挑战及最新技术，提供了系统评估和开源资源。

Comments Accepted by ACM Computing Surveys, 39 pages, 14 figures

Toward Reproducible and Standardized Computer Architecture Simulation with gem5

迈向可重复和标准化的计算机体系结构模拟的gem5

Kunal Pai, Harshil Patel, Erin Le, Noah Krim, Mahyar Samani, Bobby R. Bruce, Jason Lowe-Power

专题命中 代码评测 ：repository(abstract)

AI总结 本文通过改进gem5和gem5 Resources，标准化磁盘镜像创建，提供验证过的基础镜像和预注释的基准套件，简化了计算机体系结构模拟的设置流程，提高了可重复性和标准化程度。

Comments Accepted to the 2026 IEEE International Symposium on Performance Analysis of Systems and Software (ISPASS-2026)

Orchestrating Human-AI Software Delivery: A Retrospective Longitudinal Field Study of Three Software Modernization Programs

协调人机AI软件交付：三种软件现代化项目的回顾纵向实地研究

Maximiliano Armesto, Christophe Kolb

机构 * Taller Technologies（塔勒技术） 纠错

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

AI总结 研究通过回顾三个软件现代化项目，分析AI与人类协作在软件交付各阶段的效果，发现嵌入协调工作流的AI能显著提升效率与覆盖率。

Comments 18 pages, 4 figures, 12 tables

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

H. Sinan Bank, Daniel R. Herber, Thomas H. Bradley

机构 * Department of Systems Engineering（系统工程系） ； Colorado State University（科罗拉多州立大学） 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

Pronob Kumar Barman, Pronoy Kumar Barman

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） 纠错

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。

Towards Open Environments and Instructions: General Vision-Language Navigation via Fast-Slow Interactive Reasoning

迈向开放环境和指令：通过快速-缓慢交互推理实现通用视觉-语言导航

Yang Li, Aming Wu, Zihao Zhang, Yahong Han

机构 * School of Artificial Intelligence, College of Intelligence and Computing, Tianjin University, China（人工智能学院，智能与计算学院，天津大学，中国） ； School of Computer Science and Information Engineering, Hefei University of Technology, China（计算机科学与信息工程学院，合肥工业大学，中国） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出慢4快-VLN框架，通过快速-缓慢交互推理提升视觉语言导航的泛化能力，解决传统方法在开放环境中的适应难题。

Comments Accepted by CVPR 2026