代码大模型 / AI 编程

Beyond Localization: Recoverable Headroom and Residual Frontier in Repository-Level RAG-APR

超越定位：仓库级RAG-APR中的可恢复头寸与残余前沿

Pengtao Zhao, Boyang Yang, Bach Le, Feng Liu, Haoye Tian

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

AI总结 本研究探讨仓库级RAG-APR中定位强化后的可恢复增益与残余前沿，通过三种范式分析定位、搜索限制、证据质量及接口设计对修复结果的影响。

Prediction of Item Difficulty for Reading Comprehension Items by Creation of Annotated Item Repository

通过创建注释项目仓库预测阅读理解题难度

Radhika Kapoor, Sang T. Truong, Nick Haber, Maria Araceli Ruiz-Primo, Benjamin W. Domingue

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文通过创建包含阅读材料和学生成绩数据的注释仓库，利用惩罚回归模型预测项目难度，同时结合LLM嵌入进一步提升预测性能，为阅读理解题的分类和过滤提供工具。

KAN-LSTM: Benchmarking Kolmogorov-Arnold Networks for Cyber Security Threat Detection in IoT Networks

KAN-LSTM：基于Kolmogorov-Arnold网络的物联网网络网络安全威胁检测基准测试

Mohammed Hassanin

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出KAN-LSTM模型，结合空间与时间编码，利用KAN的自适应激活函数在物联网网络中实现更高效的网络安全威胁检测，通过实验验证了KAN-LSTM和KAN在传统深度学习模型上的优越性。