代码大模型 / AI 编程

Needle in the Repo: A Benchmark for Maintainability in AI-Generated Repository Edits

代码仓库中的针：一项评估AI生成仓库编辑可维护性的基准测试

Haichao Zhu, Qian Zhang, Jiyuan Wang, Zhaorui Yang, Yuxin Qiu

机构 * UC Riverside（加州大学河滨分校） ； Independent Researcher（独立研究员） ； Tulane University（杜兰大学） 纠错

专题命中 仓库级理解 ：repository(title,abstract)；code generation(abstract)；coding agent(abstract)；分类 cs.SE、cs.AI

AI总结 本文提出NITR基准测试，评估AI生成代码是否保持可维护结构，发现现有系统在复杂架构修改上表现不佳，代理模式提升性能但未解决根本问题。

Comments 16 pages, 6 figures

Codebase-Memory: Tree-Sitter-Based Knowledge Graphs for LLM Code Exploration via MCP

基于MCP的代码库记忆：通过Tree-Sitter构建的知识图谱用于LLM代码探索

Martin Vogel, Falk Meyer-Eschenbach, Severin Kohler, Elias Grünewald, Felix Balzer

机构 * Independent Researcher, Berlin, Germany（独立研究者，柏林，德国） ； Institute of Medical Informatics, Charité – Universitätsmedizin Berlin, Berlin, Germany（柏林夏里特医学院医学信息学研究所，柏林，德国） ； Clinical Study Center, Berlin Institute of Health, Berlin, Germany（柏林健康研究所临床研究中心，柏林，德国） ； Institute of Informatics, Humboldt University, Berlin, Germany（柏林洪堡大学信息学研究所，柏林，德国） ； Institute of Informatics, Freie Universität Berlin, Berlin, Germany（柏林自由大学信息学研究所，柏林，德国） ； Health Data Science Unit, University Hospital Heidelberg, Heidelberg, Germany（海德堡大学医院健康数据科学部，海德堡，德国） 纠错

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

AI总结 Codebase-Memory通过MCP协议构建Tree-Sitter知识图谱，提升LLM代码探索效率，实现更高准确性与更低资源消耗。

Comments 10 pages, 5 authors, preprint

Differentiable Power-Flow Optimization

可微功率流优化

Muhammed Öz, Jasmin Hörter, Kaleb Phipps, Charlotte Debus, Achim Streit, Markus Götz

机构 * Scientific Computing Center (SCC), Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院科学计算中心（SCC）） 纠错

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

AI总结 本文提出可微功率流（DPF）方法，通过将AC功率流问题转化为可微模拟，实现端到端梯度传播，提高电网管理的可扩展性和计算效率。

AstraAI: LLMs, Retrieval, and AST-Guided Assistance for HPC Codebases

AstraAI：基于LLM、检索与AST引导的HPC代码库辅助系统

Mahesh Natarajan, Xiaoye Li, Weiqun Zhang

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

AI总结 AstraAI通过整合LLM、RAG和AST分析，实现对复杂科学代码库的上下文感知代码生成，支持HPC环境中的代码修改与结构保持。

Comments 10 pages, 5 figures

Recent Advances of Multimodal Continual Learning: A Comprehensive Survey

多模态持续学习的最新进展：综合性综述

Dianzhi Yu, Xinni Zhang, Yankai Chen, Aiwei Liu, Yifei Zhang, Philip S. Yu, Irwin King

机构 * Tsinghua University（清华大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 本文综述了多模态持续学习的最新进展，分析了其核心挑战与方法分类，提出四种主要方法类别，并讨论了未来研究方向和开放资源。

Comments Accepted by IEEE Transactions on Neural Networks and Learning Systems (TNNLS). DOI: 10.1109/TNNLS.2026.3658485. Copyright 2026 IEEE

Shapley meets Rawls: an integrated framework for measuring and explaining unfairness

Shapley 与 Rawls 的交汇：衡量和解释不公平的综合框架

Fadoua Amri-Jouidel, Emmanuel Kemel, Stéphane Mussard

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） 纠错

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: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development

Project Imaging-X：1000多个开放访问医学影像数据集的调查

Zhongying Deng, Cheng Tang, Ziyan Huang, Jiashi Lin, Ying Chen, Junzhi Ning, Chenglong Ma, Jiyao Liu, Wei Li, Yinghao Zhu, Shujian Gao, Yanyan Huang, Sibo Ju, Yanzhou Su, Pengcheng Chen, Wenhao Tang, Tianbin Li, Haoyu Wang, Yuanfeng Ji, Hui Sun, Shaobo Min, Liang Peng, Feilong Tang, Haochen Xue, Rulin Zhou, Chaoyang Zhang, Wenjie Li, Shaohao Rui, Weijie Ma, Xingyue Zhao, Yibin Wang, Kun Yuan, Zhaohui Lu, Shujun Wang, Jinjie Wei, Lihao Liu, Dingkang Yang, Lin Wang, Yulong Li, Haolin Yang, Yiqing Shen, Lequan Yu, Xiaowei Hu, Yun Gu, Yicheng Wu, Benyou Wang, Minghui Zhang, Angelica I. Aviles-Rivero, Qi Gao, Hongming Shan, Xiaoyu Ren, Fang Yan, Hongyu Zhou, Haodong Duan, Maosong Cao, Shanshan Wang, Bin Fu, Xiaomeng Li, Zhi Hou, Chunfeng Song, Lei Bai, Yuan Cheng, Yuandong Pu, Xiang Li, Wenhai Wang, Hao Chen, Jiaxin Zhuang, Songyang Zhang, Huiguang He, Mengzhang Li, Bohan Zhuang, Zhian Bai, Rongshan Yu, Liansheng Wang, Yukun Zhou, Xiaosong Wang, Xin Guo, Guanbin Li, Xiangru Lin, Dakai Jin, Mianxin Liu, Wenlong Zhang, Qi Qin, Conghui He, Yuqiang Li, Ye Luo, Nanqing Dong, Jie Xu, Wenqi Shao, Bo Zhang, Qiujuan Yan, Yihao Liu, Jun Ma, Zhi Lu, Yuewen Cao, Zongwei Zhou, Jianming Liang, Shixiang Tang, Qi Duan, Dongzhan Zhou, Chen Jiang, Yuyin Zhou, Yanwu Xu, Jiancheng Yang, Shaoting Zhang, Xiaohong Liu, Siqi Luo, Yi Xin, Chaoyu Liu, Haochen Wen, Xin Chen, Alejandro Lozano, Min Woo Sun, Yuhui Zhang, Yue Yao, Xiaoxiao Sun, Serena Yeung-Levy, Xia Li, Jing Ke, Chunhui Zhang, Zongyuan Ge, Ming Hu, Jin Ye, Zhifeng Li, Yirong Chen, Yu Qiao, Junjun He

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） 纠错

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}

Synergy: A Next-Generation General-Purpose Agent for Open Agentic Web

Synergy: 一个下一代通用智能体用于开放性智能体网络

Xiaohang Nie, Zihan Guo, Kezhuo Yang, Zhichong Zheng, Bochen Ge, Shuai Pan, Zeyi Chen, Youling Xiang, Yu Zhang, Weiwen Liu, Yuanjian Zhou, Weinan Zhang

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出Synergy，一个用于开放性智能体网络的通用智能体架构，强调智能体间的协作、身份管理和持续进化，以实现开放网络中的社会集成。

Comments A tech report of a general-purpose agent architecture and human-agent society, 21 pages, 5 figures

GPU acceleration of ab initio simulations of large-scale identical particles based on path integral molecular dynamics

基于路径积分分子动力学的大规模相同粒子ab initio模拟的GPU加速

Yunuo Xiong

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出了一种基于路径积分分子动力学的GPU加速方法，实现了对大规模相同粒子量子系统的高效模拟，并展示了其在处理上万粒子系统中的优势。

Comments 23 pages. 7 figures

Journal ref J. Chem. Phys. 163, 144101 (2025)